## Memo ## Structure ### 1. Standpoints ### 2. Contributions ### 3. Major Ideas ### 4. Results ### 5. Discussions & Limitations ## Abstract 因果構造の検討は、様々な機械学習アプリケーションシナリオのデータサイエンティストにとって極めて重要である。近年、因果構造学習の手法に対応するため、それぞれが特定の 精度特性を持ち、実行時に実装固有のオーバーヘッドを導入する、幅広い独立した実装が実現されている。そのため、異なるプログラミング言語のアルゴリズムや異なる実装を、異なるハードウェアのセットアップを利用して考慮することは 、高いセットアップコストを伴う面倒な手作業となる。そのため、異なるライブラリの既存の手法を一つのシステムにプ ラグインして結果を比較・評価できるツールは、データサイエンティストの研究活動において実質的なサポートとなる。 本研究では、因果構造学習のためのパイプラインのアーキテ クチャの設計図を提案し、実験の比較可能性と再現性を確保しながら、プラットフォームの独立性とモジュール性に向け た要件に対応する参照実装MPCSLの概要を説明する。さらに、MPCSLの能力を事例の中で実証し、よく知られた[[PCアルゴリズム|PC]]の既存の実装の実行時性能特性について評価する。 ## 1. Introduction