發(fā)布時(shí)間：2019-08-15 07:16

【摘要】：探索和發(fā)現(xiàn)事物間的因果關(guān)系是數(shù)據(jù)科學(xué)的一個(gè)核心問題,其中蘊(yùn)含著豐富的科學(xué)發(fā)現(xiàn)機(jī)會(huì)和巨大的商業(yè)價(jià)值.基于非時(shí)序觀察數(shù)據(jù)的因果關(guān)系發(fā)現(xiàn)方法能夠從被動(dòng)觀察獲得的數(shù)據(jù)中發(fā)現(xiàn)變量之間的因果關(guān)系,因而在各領(lǐng)域有廣泛應(yīng)用.這一類方法在過去三十年取得很大進(jìn)展,已經(jīng)成為因果關(guān)系發(fā)現(xiàn)的重要途徑.文中從因果關(guān)系方向推斷、高維數(shù)據(jù)上的誤發(fā)現(xiàn)率控制和不完全觀察數(shù)據(jù)上的隱變量檢測這三個(gè)研究熱點(diǎn)出發(fā),對現(xiàn)有的因果關(guān)系模型與假設(shè)、基于約束的方法、基于因果函數(shù)模型的方法和混合型方法這三大類方法,驗(yàn)證與測評涉及的數(shù)據(jù)集及工具等方面進(jìn)行了詳盡的介紹與分析.基于約束的方法主要包括因果骨架學(xué)習(xí)和因果方向推斷兩個(gè)階段:首先基于因果馬爾可夫假設(shè),采用條件獨(dú)立性檢驗(yàn)學(xué)習(xí)變量之間的因果骨架,然后基于奧卡姆剃刀準(zhǔn)則利用V-結(jié)構(gòu)確定因果方向,典型的算法有Peter-Clark算法、Inductive Causation等,這類方法的主要不足是存在部分無法判斷的因果關(guān)系方向,即存在Markov等價(jià)類難題.基于因果函數(shù)模型的方法則基于數(shù)據(jù)的因果產(chǎn)生機(jī)制假設(shè),在構(gòu)建變量之間的因果函數(shù)模型的基礎(chǔ)之上,基于噪聲的非高斯性、原因變量與噪聲的獨(dú)立性、原因變量分布與因果函數(shù)梯度的獨(dú)立性等因果假設(shè)推斷變量之間的因果關(guān)系方向,典型的算法有針對線性非高斯無環(huán)數(shù)據(jù)的Linear NonGaussian Acyclic Model算法、針對后非線性數(shù)據(jù)的Post-NonLinear算法、適用于非線性或離散數(shù)據(jù)的Additive Noise Model等,這類方法的主要不足是需要較為嚴(yán)格的數(shù)據(jù)因果機(jī)制假設(shè),且Additive Noise Model等方法主要適用于低維數(shù)據(jù)場景.混合型方法則希望充分發(fā)揮基于約束的方法和基于因果函數(shù)類方法的優(yōu)勢,分別采用基于約束的方法進(jìn)行全局結(jié)構(gòu)學(xué)習(xí)和基于因果函數(shù)模型進(jìn)行局部結(jié)構(gòu)學(xué)習(xí)和方向推斷,典型的算法有SADA、MCDSL等,理論分析較為不足是這類方法目前遇到的主要困難.最后,文中還基于研究現(xiàn)狀分析討論了因果方向推斷、高維數(shù)據(jù)上的誤發(fā)現(xiàn)率控制、隱變量發(fā)現(xiàn)、與機(jī)器學(xué)習(xí)的關(guān)系等未來可能的研究方向.
[Abstract]:Exploring and discovering the causality between things is a core problem of data science, which contains rich opportunities for scientific discovery and great commercial value. The causality discovery method based on non-sequential observation data can find the causality between variables from the data obtained by passive observation, so it has been widely used in various fields. This kind of method has made great progress in the past three decades and has become an important way to discover causality. In this paper, it is inferred from the direction of causality, the false detection rate control on high-dimensional data and the detection of hidden variables on incomplete observation data are introduced and analyzed in detail, such as the existing causality model and hypothesis, the method based on constraint, the method based on causality function model and the mixed method, and the data sets and tools involved in verification and evaluation. The method based on constraint mainly includes two stages: based on causality Markov hypothesis, the causality skeleton between learning variables is tested by conditional independence, and then the causality direction is determined by V-structure based on Occam razor criterion. The typical algorithm is Peter-Clark algorithm, Inductive Causation. The main deficiency of this method is that there are some causality directions that can not be judged. That is, there is a problem of Markov equivalence. The method based on causality function model is based on the hypothesis of causality generation mechanism of data. On the basis of constructing causality function model between variables, the causality direction between variables is inferred based on the non-Gaussian property of noise, the independence of cause variable and noise, the distribution of cause variable and the independence of causality function gradient. The typical algorithm has Linear NonGaussian Acyclic Model algorithm for linear non-Gaussian acyclic data. The Post-NonLinear algorithm for post-nonlinear data is suitable for Additive Noise Model of nonlinear or discrete data. The main deficiency of this method is that it needs more strict hypothesis of data causality mechanism, and Additive Noise Model and other methods are mainly suitable for low-dimensional data scenarios. The hybrid method hopes to give full play to the advantages of constraint-based method and causality function class method, respectively, using constraint-based method for global structure learning and local structure learning and direction inference based on causality function model. The typical algorithms are SADA,MCDSL and so on. The shortage of theoretical analysis is the main difficulty encountered by this kind of methods at present. Finally, based on the analysis of research status, this paper also discusses the possible future research directions, such as causality inference, false detection rate control on high-dimensional data, hidden variable discovery, and the relationship with machine learning.
【作者單位】： 廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院;卡內(nèi)基梅隆大學(xué)哲學(xué)系;佛山科學(xué)技術(shù)學(xué)院數(shù)學(xué)與大數(shù)據(jù)學(xué)院;
【基金】：NSFC-廣東聯(lián)合基金(U1501254) 國家自然科學(xué)基金(61572143) 廣東省杰出青年科學(xué)基金(2014A030306004)資助~~
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 郝志峰;陳薇;蔡瑞初;黃瑞慧;溫雯;王麗娟;;基于典型因果推斷算法的無線網(wǎng)絡(luò)性能優(yōu)化[J];計(jì)算機(jī)應(yīng)用;2016年08期

2 趙慧;鄭忠國;許靜;;含隱變量和選擇偏差的圖模型中的因果推斷[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前3條

1 蔡瑞初;陳薇;張坤;郝志峰;;基于非時(shí)序觀察數(shù)據(jù)的因果關(guān)系發(fā)現(xiàn)綜述[J];計(jì)算機(jī)學(xué)報(bào);2017年06期

2 臧雷振;陳鵬;;選擇性偏差問題及其識(shí)別[J];世界經(jīng)濟(jì)與政治;2015年04期

3 蔡風(fēng)景;李元;王慧敏;;貨幣、投資、通貨膨脹與經(jīng)濟(jì)增長的實(shí)證[J];統(tǒng)計(jì)與決策;2008年01期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 吳寶棟;肖恒輝;陸南昌;易斯;;無線網(wǎng)絡(luò)智能優(yōu)化系統(tǒng)及其應(yīng)用[J];移動(dòng)通信;2012年12期

2 劉穎;;GSM無線網(wǎng)絡(luò)優(yōu)化研究[J];中國新技術(shù)新產(chǎn)品;2012年04期

3 盧紀(jì)宇;白波;;GSM無線網(wǎng)絡(luò)的優(yōu)化[J];電信技術(shù);2006年12期

4 周文靜;;無線網(wǎng)絡(luò)優(yōu)化方式新思路的探討[J];廣東通信技術(shù);2006年12期

5 趙慧,鄭忠國,劉佰軍;最大祖先圖的Markov等價(jià)性[J];中國科學(xué)(A輯:數(shù)學(xué));2005年02期

6 白俊杰,何長艷;No.7信令網(wǎng)的網(wǎng)絡(luò)優(yōu)化[J];天津通信技術(shù);2004年04期

7 耿直,何洋波,王學(xué)麗;因果鏈上因果效應(yīng)的關(guān)系及推斷[J];中國科學(xué)(A輯:數(shù)學(xué));2004年02期

8 梁宇,鄭忠國;一類因果模型的可識(shí)別性條件[J];數(shù)學(xué)物理學(xué)報(bào);2003年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 干紅華;潘云鶴;;一種基于事件的因果關(guān)系的結(jié)構(gòu)分析方法[J];模式識(shí)別與人工智能;2003年01期

2 金錫謨;;關(guān)于因果不當(dāng)(上)[J];新聞與寫作;1988年08期

3 賀樂天，，孫永強(qiáng);刻劃分布式計(jì)算中的因果關(guān)系[J];計(jì)算機(jī)工程;1996年02期

4 楊伯淑;關(guān)于因果關(guān)系的標(biāo)準(zhǔn)、辨識(shí)及測試的一些探索[J];河北大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2003年01期

5 田樹軍;;采用合并貯能元法處理微分因果關(guān)系[J];機(jī)床與液壓;1990年04期

6 黃建業(yè);張艷霞;;平衡計(jì)分卡應(yīng)用方法研究[J];物流技術(shù);2005年12期

7 趙建康;因果關(guān)系與檔案違法行為[J];中國檔案;1994年06期

8 張萬寅;試論檔案犯罪中因果關(guān)系的確立原則[J];檔案學(xué)通訊;2002年02期

9 歐福永;;論歐盟反補(bǔ)貼調(diào)查中補(bǔ)貼與損害之間因果關(guān)系的認(rèn)定——以歐盟對中國銅版紙反補(bǔ)貼案為例[J];傳播與版權(quán);2013年07期

10 黃鴻森;“由于”三議[J];新聞通訊;1995年02期

相關(guān)會(huì)議論文 前10條

1 魏剛;;試論溺愛式家庭與子女心理問題的關(guān)系[A];中國首屆心理咨詢師大會(huì)暨心理危機(jī)干預(yù)研討會(huì)論文集[C];2008年

2 簡澤;;經(jīng)濟(jì)學(xué)中的因果關(guān)系[A];首屆上海青年經(jīng)濟(jì)學(xué)者論壇論文集[C];2006年

3 胡月軍;;再論假定因果關(guān)系的認(rèn)定[A];當(dāng)代法學(xué)論壇（2011年第4輯）[C];2011年

4 肖祥云;;瀆職犯罪因果關(guān)系研究[A];當(dāng)代法學(xué)論壇（2006年第4輯）[C];2006年

5 劉鳳英;;類別因果關(guān)系對基于類別的特征推理任務(wù)的影響研究[A];第十一屆全國心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

6 簡澤;;經(jīng)濟(jì)學(xué)中的因果關(guān)系[A];上海市經(jīng)濟(jì)學(xué)會(huì)學(xué)術(shù)年刊（2006）[C];2007年

7 ;第三十章 貨幣一產(chǎn)出的因果關(guān)系和影響關(guān)系檢驗(yàn)[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第2卷）[C];2001年

8 冷英;莫雷;;隱含因果關(guān)系對不同閱讀者確定代詞意義影響的實(shí)驗(yàn)研究[A];第九屆全國心理學(xué)學(xué)術(shù)會(huì)議文摘選集[C];2001年

9 李偉;張懷金;;顱腦外傷與精神障礙的因果關(guān)系鑒定研究[A];中國法醫(yī)學(xué)會(huì)全國第十五次法醫(yī)臨床學(xué)學(xué)術(shù)研討會(huì)論文集[C];2012年

10 石峰;李群;朱一凡;王維平;;基于槽約束的行為因果關(guān)系追溯方法[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)重要報(bào)紙文章 前10條

1 柴秉升;法醫(yī)學(xué)鑒定中傷害賠償?shù)囊蚬P(guān)系判定[N];甘肅經(jīng)濟(jì)日報(bào);2005年

2 韓 疆;民事侵權(quán)因果關(guān)系判斷[N];人民法院報(bào);2003年

3 李玉璧 劉 銳;民事侵權(quán)因果關(guān)系的認(rèn)定[N];人民法院報(bào);2005年

4 福建省廈門市中級人民法院 陳朝陽;證券侵權(quán)責(zé)任因果關(guān)系之法理分析[N];人民法院報(bào);2002年

5 余紅蔓　蔣海英;車輛溜坡后致人死亡 責(zé)任依因果關(guān)系而定[N];人民法院報(bào);2011年

6 清華大學(xué)法學(xué)院副教授、法學(xué)博士 周光權(quán);因果關(guān)系的判斷[N];人民法院報(bào);2003年

7 馬栩生;因果關(guān)系推定研究[N];人民法院報(bào);2004年

8 上海海事法院海事庭 汪洋;滯留單證與退稅損失之間有無因果關(guān)系？[N];國際商報(bào);2007年

9 浙江省寧波市鄞州區(qū)人民法院 郭敬波;“因”與“果”的距離[N];人民法院報(bào);2011年

10 楊素娟;“舉證責(zé)任倒置”與“因果關(guān)系推定”[N];中國環(huán)境報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 周彬彬;美國侵權(quán)法中因果關(guān)系不確定的解決進(jìn)路研究[D];山東大學(xué);2015年

2 王小艷;隱含因果關(guān)系中的自我服務(wù)偏向研究[D];華東師范大學(xué);2016年

3 陳蔚琦;基于加性噪聲模型的因果關(guān)系推斷理論及其應(yīng)用[D];廣東工業(yè)大學(xué);2016年

4 葛洪濤;論侵權(quán)法中的因果關(guān)系[D];山東大學(xué);2008年

5 丁小斌;特征間因果關(guān)系在歸類中的作用[D];天津師范大學(xué);2009年

6 韓強(qiáng);法律因果關(guān)系理論學(xué)說史述評[D];華東政法大學(xué);2007年

7 張雪瑩;俄語中的因果關(guān)系研究[D];黑龍江大學(xué);2012年

8 裘江南;漢語文本中突發(fā)事件因果關(guān)系抽取方法研究[D];大連理工大學(xué);2012年

9 干紅華;基于事件的因果關(guān)系可計(jì)算化分析研究[D];浙江大學(xué);2003年

10 郭水霞;Granger因果關(guān)系的理論及其在系統(tǒng)生物學(xué)中的應(yīng)用[D];湖南師范大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 欒蘭;因果關(guān)系的邏輯解析及其科學(xué)價(jià)值[D];燕山大學(xué);2009年

2 袁俊龍;淺論法律因果關(guān)系[D];山東大學(xué);2014年

3 李燕;環(huán)境侵權(quán)責(zé)任因果關(guān)系推定研究[D];河北大學(xué);2015年

4 張齊家;藥品缺陷責(zé)任研究[D];內(nèi)蒙古大學(xué);2015年

5 姜伯寧;瀆職罪的因果關(guān)系研究[D];中國青年政治學(xué)院;2014年

6 胡玲玲;侵權(quán)法中可預(yù)見性規(guī)則研究[D];新疆大學(xué);2015年

7 董鑫園;醫(yī)療損害侵權(quán)因果關(guān)系問題研究[D];華東政法大學(xué);2015年

8 羅洋洋;醫(yī)療損害案件中之存活機(jī)會(huì)喪失[D];華東政法大學(xué);2015年

9 陳慶強(qiáng);論侵權(quán)責(zé)任中的超越因果關(guān)系[D];黑龍江大學(xué);2015年

10 劉曉倩;論環(huán)境犯罪因果關(guān)系的推定[D];浙江農(nóng)林大學(xué);2015年

本文編號：2526844