计算机应用

作者：蔡瑞初, 白一鸣, 乔杰, 郝志峰

单位：1. 广东工业大学 计算机学院, 广州 510006;2. 佛山科学技术学院 数学与大数据学院, 广东 佛山 528000

关键词：因果关系,因果发现,因果推断,混淆因子,隐压缩表示

基金：国家自然科学基金资助项目（61876043，61976052）；广东省自然科学基金资助项目（2014A030306004，2014A030308008）；广州市科技计划项目（201902010058）。

因果推断方法可以用于在观察数据上发现因果关系。在因果结构含混淆因子的数据上进行因果推断时，可能会受混淆因子的影响而得到错误的因果关系。针对上述问题，提出了一种基于混淆因子隐压缩表示（CHCR）模型的因果推断方法。首先，根据CHCR模型，构造含有对原因变量进行压缩表示的中间隐变量的备选模型；其次，利用贝叶斯信息准则（BIC）计算备选模型评分并选出得分最高的最佳模型；最后，根据最佳模型中的压缩情况判断变量间真正的因果关系。理论分析表明，所提出的方法能够识别经典的基于约束的方法所无法正确分辨的、带有混淆因子的因果结构，且在样本量较小等情况下，BIC评分也可以提高所提方法的表现。实验结果表明，在样本数变化时，所提出的方法在准确率指标上相较于极快因果推断算法（RFCI）等经典方法有显著提升，并适用于各种变量可能取值数不同的情况；在混合不同类型的因果结构时，该方法在准确率指标上高于最大最小爬山算法（MMHC）等经典方法；且该方法能够在Abalone数据集上得到正确的因果关系。

来源：2021年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第10期