統計的因果探索(トウケイテキインガタンサク)

膨大なデータから、いかにして原因と結果の関係を見いだすのか? 「 LiNGAM 」 (線形非ガウス非巡回モデル) を開発した第一線の研究者が、基礎事項から発展的話題まで平易に説き起こす。因果推論・因果探索に必携。

■おもな内容
第 1 章 統計的因果探索の出発点
第 2 章 統計的因果推論の基礎
第 3 章 統計的因果探索の基礎
第 4 章 LiNGAM
第 5 章 未観測共通原因がある場合の LiNGAM
第 6 章 関連の話題

■機械学習プロフェッショナルシリーズ
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全 29 巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

第 7 期として、以下の 3 点を刊行!

統計的因果探索 清水 昌平・著
画像認識 原田 達也・著
深層学習による自然言語処理 坪井 祐太/海野 裕也/鈴木 潤・著

■シリーズ編者
杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授
第 1 章 統計的因果探索の出発点
1.1 はじめに
1.2 因果探索における最大の困難:擬似相関
1.3 擬似相関の数値例
1.4 本章のまとめ
第 2 章 統計的因果推論の基礎
2.1 導入
2.2 反事実モデルによる因果の定義
2.3 構造方程式モデルによるデータ生成過程の記述
2.4 統計的因果推論の枠組み:構造的因果モデル
2.5 ランダム化実験
2.6 本章のまとめ
第 3 章 統計的因果探索の基礎
3.1 動機
3.2 因果探索の枠組み
3.3 因果探索の基本問題
3.4 因果探索の基本問題への 3 つのアプローチ
3.5 3 つのアプローチと識別可能性
3.6 本章のまとめ
第 4 章 LiNGAM
4.1 独立成分分析
4.2 LiNGAM モデル
4.3 LiNGAM モデルの推定
4.4 本章のまとめ
第 5 章 未観測共通原因がある場合の LiNGAM
5.1 未観測共通原因による難しさ
5.2 未観測共通原因がある LiNGAM モデル
5.3 未観測共通原因は独立と仮定しても一般性を失わない
5.4 独立成分分析に基づくアプローチ
5.5 混合モデルに基づくアプローチ
5.6 多変数の場合
5.7 本章のまとめ
第 6 章 関連の話題
6.1 モデルの仮定を緩める
6.2 モデル評価
6.3 統計的信頼性評価
6.4 ソフトウェア
6.5 おわりに

広告費を増やしたから売上が伸びたのか、売上が伸びる局面だから広告費を増やせたのか。相関は計算できても、原因と結果の向きはデータを眺めるだけでは決まりません。本書はこの「データから因果構造そのものを推定する」問題、すなわち因果探索を主題にした一冊です。著者の清水昌平氏は、線形非ガウス非巡回モデル LiNGAM を開発した研究者で、自らの手法を第 4 章と第 5 章の中心に据えて基礎から説き起こしています。講談社の機械学習プロフェッショナルシリーズとして 2017 年 5 月に刊行されました。

構成は正攻法です。まず擬似相関がなぜ因果探索の最大の困難なのかを数値例で示し、反事実モデルと構造方程式モデルによる因果の定式化、ランダム化実験といった統計的因果推論の基礎を固めます。その上で、因果の向きが原理的に識別できる条件を 3 つのアプローチから整理し、 LiNGAM の推定手法へ進みます。終盤では未観測共通原因が存在する現実的な状況への拡張や、モデル評価・ソフトウェアにも触れており、理論から実践への橋がかかっています。

処置効果の推定を扱う因果推論の本はすでに何冊もありますが、因果グラフの構造自体をデータから探索する話をここまで体系的に読める和書は貴重です。数式は大学レベルの統計と線形代数を前提とするため入門書ではないものの、 Python の実装記事が多数書かれている手法だけに、コードから入った人が理論の裏付けを取りに戻る読み方もよく合います。