两种基于条件独立性测试的高维数据因果关系推断算法的比较

摘要

机器直觉推理与因果模型的研究是AI基础理论体系的重要组成部分之一.针对目前因果关系推断在高维数据情况下,传统的基于条件独立性测试出现消耗时间多和准确率差等现象.本文对两种基于条件独立性测试的高维数据因果关系推断算法进行比较:一种是通过降低条件集维度的方法、另外一种是构建粗糙网络及分裂-合并策略方法,每个算法都有其优缺点.通过分析总结,在今后的工作中,可以根据实际情况选择合适的方法来解决高维数据因果关系推断问题.