基于扰动数据的因果网络结构的学习

摘要

因果网络是一种把节点间的有向边解释成因果关系的贝叶斯网络,它可以用来为现实中的黑盒系统建模.由于存在多个贝叶斯网络可以表述相同的条件独立声明,所以这些网络统计上是不可区分的,它们被称为是马尔科夫等价网络.这意味着,即使知道两个网络节点是相关的,也不能区分谁是原因,谁是结果.为了解决这个问题,提出一种基于扰动数据的因果网络结构的学习算法,通过引入扰动数据,改动传统的打分方式,在此基础上进行马尔科夫链—蒙特卡罗搜索最好得分.实验结果表明,这种方法有效地找到了可信的因果网络结构.