Location-Scale Noise Models

New SkewD Algorithm Enhances Causal Discovery Robustness in Noisy Models

研究人员开发了 SkewD，这是一种用于位置-尺度噪声模型（LSNM）中因果发现的新算法，该算法对偏斜噪声分布具有鲁棒性。传统方法通常假设噪声是对称的，例如正态分布，当噪声偏斜时（在真实世界数据中很常见），这可能导致不可靠的推断。SkewD 扩展了现有框架以处理偏斜正态设置，采用启发式搜索和期望条件最大化算法相结合的方式进行参数估计。在合成数据集和基准数据集上的实验评估表明，SkewD 表现出色，并且即使在高偏斜度下也能保持鲁棒性。