Structure Learning on Clustered Data

新方法实现Clustered Data上的结构学习

研究人员开发了一种新颖的Clustered Data上的结构学习方法，将有向无环图（DAG）方法扩展到适应不同簇内的变异。这项新技术在估计全局结构的同时，还能同时考虑局部簇特定的效应，其灵感来源于经典混合模型的固定效应和随机效应框架。该方法引入了一种可微分的图耦合机制来确保无环性，并采用高效的一阶优化方法进行计算。实验表明，该方法可以识别其他估计器遗漏的依赖关系，对于分析复杂的、聚集的数据集具有价值。