## Memo - [[Pcalg]] スケルトングラフの推論のうち、に使われる。 ## Abstract ここでは、PC-、FCI-、RFCI-、CCD-などの制約ベースの因果構造学習法を検討する(Spirtes et al., 1993, 2000; Richardson, 1996; Colombo et al.,2012; Claassen et al., 2013)。 これらのアルゴリズムの最初のステップは、PC-アルゴリズムの隣接検索である。 PCアルゴリズムは、出力が変数の与えられた順序に依存するという意味で、順序依存性があることが知られています。この順序依存性は、低次元の設定では小さな問題です。 この順序依存性は、低次元の環境では些細な問題ですが、高次元の環境では非常に顕著であり、非常に変動しやすい結果をもたらす可能性があることを示しています。 我々は、この順序依存性の一部または全部を取り除くために、PCアルゴリズム（したがって、他のアルゴリズムも）のいくつかの修正を提案する。 提案された修正はすべて、高次元設定において、元の対応策と同じ条件で一貫している。 本論文では，PC，FCI，RFCIの各アルゴリズムとその修正案を，シミュレーション研究と酵母の遺伝子発現データセットで比較した． その結果，低次元の環境では同等の性能が得られ，高次元の環境では性能が向上することが分かりました．すべてのソフトウェアは，R-packagepcalgで実装されています． ## 1. Introduction