近年來,探索和發(fā)現(xiàn)觀測變量間的因果關(guān)系在數(shù)據(jù)科學(xué)界受到了廣泛的關(guān)注,了解事物間的因果關(guān)系相對于相關(guān)關(guān)系或其他統(tǒng)計關(guān)系在醫(yī)學(xué)、經(jīng)濟(jì)學(xué)、社會學(xué)等領(lǐng)域都更加有研究價值。目前,無論是基于條件獨立性還是基于結(jié)構(gòu)方程模型都涌現(xiàn)出了一批經(jīng)典的因果分析模型,但基于條件獨立的方法都將產(chǎn)生馬爾可夫等價類,因此本文主要研究基于結(jié)構(gòu)方程的因果推斷模型。我們主要做了以下兩個工作:（1）在結(jié)構(gòu)方程模型中,給定兩個變量X和Y,其假設(shè)結(jié)果變量Y是原因變量X和噪聲變量N的函數(shù),通過合適的模型限制后,我們可以發(fā)現(xiàn)在兩個因果方向上的不對等關(guān)系,進(jìn)而推導(dǎo)出正確的因果方向。但目前,大部分的研究都關(guān)注于變量的數(shù)據(jù)類型均屬于同一類型,即都為連續(xù)隨機(jī)變量或離散隨機(jī)變量。在本文中,我們關(guān)注當(dāng)兩個變量的數(shù)據(jù)類型不相同,即一個為離散隨機(jī)變量另一個為連續(xù)隨機(jī)變量時,如何推斷其因果方向。我們提出應(yīng)用于混合數(shù)據(jù)的加性噪聲模型,由原因變量與噪聲變量僅在正確因果方向上獨立的條件,根據(jù)信息熵理論,推導(dǎo)出前向模型和后向模型之間的不對稱性并提出因果判斷準(zhǔn)則。在給定數(shù)據(jù)的條件下,提出離散回歸算法和連續(xù)分類算法用于計算殘差熵,并在符合模型假設(shè)的模擬數(shù)據(jù)和近似... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

吸煙與癌癥的候選模型

因果推斷算法針對的觀察數(shù)據(jù)類型分類對時序觀察數(shù)據(jù)的因果推斷，就是給定一個時間序列的數(shù)據(jù)a=(x,...,x),b=

馬爾可夫等價類

【參考文獻(xiàn)】：
期刊論文
[1]基于非時序觀察數(shù)據(jù)的因果關(guān)系發(fā)現(xiàn)綜述[J]. 蔡瑞初,陳薇,張坤,郝志峰.  計算機(jī)學(xué)報. 2017(06)

碩士論文
[1]基于XGBoost算法的多因子量化選股方案策劃[D]. 李想.上海師范大學(xué) 2017



本文編號：3585880