LiNGAMを用いた因果探索

②   LiNGAMを用いた因果探索

ここでは、非ガウス性分布を仮定して因果関係を推定するLiNGAMを使用したコード例です。

 

# 必要なライブラリをインストール

!pip install lingam matplotlib pandas numpy

 

# ライブラリのインポート

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from lingam import DirectLiNGAM

 

# データ生成：気温、アイスクリーム売上、水泳事故件数

np.random.seed(42)

n_samples = 300

temperature = np.random.uniform(20, 40, n_samples)  # 気温

ice_cream_sales = temperature + np.random.normal(0, 2, n_samples)  # アイスクリーム売上

swimming_accidents = temperature + np.random.normal(0, 1, n_samples)  # 水泳事故件数

 

# データフレームにまとめる

data = pd.DataFrame({

    'Temperature': temperature,

    'IceCreamSales': ice_cream_sales,

    'SwimmingAccidents': swimming_accidents

})

 

# LiNGAMモデルを用いた因果推定

model = DirectLiNGAM()

model.fit(data)

adjacency_matrix = model.adjacency_matrix_  # 因果行列の取得

 

# 因果関係の表示

print("Adjacency Matrix:")

print(adjacency_matrix)

 

# 因果グラフの描画

import networkx as nx

labels = data.columns.tolist()

graph = nx.DiGraph()

 

for i, source in enumerate(labels):

    for j, target in enumerate(labels):

        if adjacency_matrix[i, j] != 0:

            graph.add_edge(source, target, weight=adjacency_matrix[i, j])

 

# グラフの可視化

pos = nx.spring_layout(graph)

nx.draw(graph, pos, with_labels=True, node_size=3000, font_size=10)

nx.draw_networkx_edge_labels(graph, pos, edge_labels={(u, v): f"{d['weight']:.2f}" for u, v, d in graph.edges(data=True)})

plt.title("Causal Graph Estimated by LiNGAM")

plt.show()

出力結果

Requirement already satisfied: lingam in /usr/local/lib/python3.11/dist-packages (1.9.1)

～省略～

Requirement already satisfied: typing_extensions>3.10.0.2 in /usr/local/lib/python3.11/dist-packages (from python-utils>=3.8.1->progressbar2->psy->lingam) (4.14.0)

Adjacency Matrix:

[[0.         0.         0.        ]

 [1.02622471 0.         0.        ]

 [0.98429543 0.         0.        ]]