DAGs with NO TEARS 技术文档

DAGs with NO TEARS 技术文档

notears DAGs with NO TEARS: Continuous Optimization for Structure Learning 项目地址: https://gitcode.com/gh_mirrors/no/notears

1. 安装指南

环境要求

• Python 3.6 及以上版本
• numpy
• scipy
• python-igraph：首先安装 igraph C core 和 pkg-config。
• torch：可选，仅用于非线性模型。

安装步骤

1. 克隆项目仓库：

   git clone https://github.com/xunzheng/notears.git
   cd notears/
   

2. 安装依赖：

   pip install -r requirements.txt
   

3. 安装项目：

   pip install .
   

2. 项目使用说明

运行简单示例

最简单的方式是运行一个简单的示例：

python notears/linear.py

这将运行带有 l1 正则化的 NOTEARS 算法，并在几秒钟内生成输出。

运行命令行工具

如果你有一个 CSV 数据文件 X.csv，可以通过以下命令运行算法：

notears_linear X.csv

输出图将存储在 W_est.csv 中。

3. 项目API使用文档

notears_linear 函数

• 功能：运行带有 l1 正则化的 NOTEARS 算法。
• 参数：
  • X：输入数据矩阵。
  • lambda1：l1 正则化参数。
  • loss_type：损失函数类型（L2、Logistic、Poisson）。
• 返回值：估计的图结构矩阵 W_est。

notears_nonlinear 函数

• 功能：运行非线性 NOTEARS 算法。
• 参数：
  • X：输入数据矩阵。
  • lambda1：l1 正则化参数。
  • loss_type：损失函数类型（L2、Logistic、Poisson）。
  • hidden_layers：隐藏层结构。
• 返回值：估计的图结构矩阵 W_est。

4. 项目安装方式

通过 pip 安装

pip install git+git://github.com/xunzheng/notears

本地安装

1. 克隆项目仓库：

   git clone https://github.com/xunzheng/notears.git
   cd notears/
   

2. 安装项目：

   pip install .
   

示例

Erdos-Renyi 图

• 真实图：20 个节点，40 条预期边。
• 估计图：使用 1000 个样本进行估计。

Scale-free 图

• 真实图：20 个节点，80 条预期边。
• 估计图：使用 1000 个样本进行估计。

其他实现

• Python: jmoss20/notears
• Tensorflow with Python: ignavier/notears-tensorflow

---

通过以上文档，用户可以轻松安装、使用和理解 DAGs with NO TEARS 项目。

notears DAGs with NO TEARS: Continuous Optimization for Structure Learning 项目地址: https://gitcode.com/gh_mirrors/no/notears