2023年5月22日: 特徴量選択としての因果探索

業務の時間に余裕があったので、個人目標の関連で因果探索のキャッチアップを進めた。以前に触っていたLiNGAMを軽く復習して、ベイジアンネットワークも試してみる。

今回は特徴量選択の文脈で因果探索を用いており、その点で単純なLightGBMとの精度の比較なども行っている。精度を求めるなら普通にすべての特徴量を入れて学習すればいいのではと思ったが (特に木系のモデルは不要な特徴量に強いので)、説明性を重視するためにある程度の精度を保ちつつ、因果探索で特徴量を減らすというモチベーションだと理解した。特徴量選択後の予測タスクで多少複雑なモデルを作ったとしても、因果探索で得られた因果を担保とすることである程度の説明ができるということだろう。

夜はお好み焼きを作る。G7で広島「風」が話題になっていたが、麺がなかったので大阪のものを作る。個人的には広島の方が好みではあるが。