基于条件独立性的LiNGAM模型剪枝算法-计算机应用与软件.PDF

第３３卷第８期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．８ ２０１６年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１６ 基于条件独立性的ＬｉＮＧＡＭ模型剪枝算法 郝志峰　吕宏伟　蔡瑞初　袁　畅 （广东工业大学计算机学院　广东广州５１０００６） 摘　要　　如何根据观察数据来推断因果网络结构是统计学和机器学习领域的重要问题。近年来学者们取得了许多研究成果， ＬｉＮＧＡＭ算法是其中一种经典的线性因果推断算法。但ＬｉＮＧＡＭ算法采用的剪枝策略时间复杂度较高，且在稀疏图上准确率低。 为此，提出一种基于条件独立性测试的剪枝算法来解决这个问题。该算法首先将变量根据因果顺序重新排列，再按照该次序采用偏 相关系数检验变量之间的条件独立性。大量的实验结果表明，基于条件独立性的剪枝算法在稀疏图上比ＬｉＮＧＡＭ的剪枝算法获得 更高的准确率与执行效率。 关键词　　线性因果关系　偏相关　条件独立性　剪枝 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０８．０５６ ＬＩＮＧＡＭＭＯＤＥＬＰＲＵＮＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＣＯＮＤＩＴＩＯＮＡＬＩＮＤＥＰＥＮＤＥＮＣＥ ＨａｏＺｈｉｆｅｎｇ　ＬüＨｏｎｇｗｅｉ　ＣａｉＲｕｉｃｈｕ　ＹｕａｎＣｈａｎｇ （ＦａｃｕｌｔｙｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｇｕａｎｇｄｏｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｈｏｗｔｏｃｏｎｊｅｃｔｕｒｅｃａｕｓａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅａｃｃｏｒｄｉｎｇｔｏｔｈｅｏｂｓｅｒｖｅｄｄａｔａｉｓａｎｉｍｐｏｒｔａｎｔｐｒｏｂｌｅｍｉｎｔｈｅｆｉｅｌｄｏｆｓｔａｔｉｓｔｉｃｓａｎｄ ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ．Ｑｕｉｔｅａｆｅｗｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓｈａｖｅｂｅｅｎｇａｉｎｅｄｂｙｓｃｈｏｌａｒｓｉｎｒｅｃｅｎｔｙｅａｒｓ，ａｍｏｎｇｔｈｅｍＬｉＮＧＡＭａｌｇｏｒｉｔｈｍｉｓａｃｌａｓｓｉ ｃａｌｌｉｎｅａｒｃａｕｓａｌｉｎｆｅｒｅｎｃｅａｌｇｏｒｉｔｈｍ．ＨｏｗｅｖｅｒｔｈｅｐｒｕｎｉｎｇｐｏｌｉｃｙｅｍｐｌｏｙｅｄｉｎＬｉＮＧＡＭａｌｇｏｒｉｔｈｍｒｅｑｕｉｒｅｓｈｉｇｈｒｕｎｔｉｍｅｃｏｍｐｌｅｘｉｔｙａｎｄｐｒｏ ｖｉｄｅｓｐｏｏｒａｃｃｕｒａｃｙｏｎｓｐａｒｓｅｇｒａｐｈｓ．Ｔｈｅｒｅｆｏｒｅｉｎｔｈｉｓｐａｐｅｒｗｅｐｒｅｓｅｎｔａｎｏｖｅｌｐｒｕｎｉｎｇｍｅｔｈｏｄｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｉｔｉｓｂａｓｅｄｏｎｃｏｎｄｉｔｉｏｎ ａｌｉｎｄｅｐｅｎｄｅｎｃｅｔｅｓｔｉｎｇ．Ｔｈｅａｌｇｏｒｉｔｈｍｆｉｒｓｔｒｅａｒｒａｎｇｅｓｔｈｅｖａｒｉａｂｌｅｓａｃｃｏｒｄｉｎｇｔｏｃａｕｓａｌｏｒｄｅｒａｎｄｔｈｅｎｅｍｐｌｏｙｓｐａｒｔｉａｌｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｔｏ ｃｈｅｃｋｔｈｅｃｏｎｄｉｔｉｏｎａｌｉｎｄｅｐｅｎｄｅｎｃｅｂｅｔｗｅｅｎｖａｒｉａｂｌｅｓａｃｃｏｒｄｉｎｇｔｏｎｅｗｏｒｄｅｒ．Ｎｕｍｅｒｏｕｓｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｐｒｕｎｉｎｇａｌｇｏ ｒｉｔｈｍｂａｓｅｄｏｎｃｏｎｄｉｔｉｏｎａｌｉｎｄｅｐｅｎｄｅｎｃｅｐｒｏｐｏｓｅｄｉｎｔｈｅｐａｐｅｒａｃｈｉｅｖｅｓｈｉｇｈｅｒａｃｃｕｒａｃｙｗｉｔｈｂｅｔｔｅｒｒｕｎｎｉｎｇｔｉｍｅｏｎｓｐａｒｓｅｇｒａｐｈｔｈａｎｔｈｅｏｎｅ ｏｆＬｉＮＧＡＭ． Ｋｅｙｗｏｒｄｓ　　Ｌｉｎｅａｒｃａｕｓａｌｉｔｙ　Ｐａｒｔｉａｌｃｏｒｒｅｌａｔｉｏｎ　Ｃｏｎｄｉｔｉｏｎａｌｉｎｄｅｐｅｎｄｅｎｃｅ　Ｐｒｕｎｉｎｇｍｅｔｈｏｄ 确定唯一的结构（不能确定部分边的方向）。因此，此类方法需 ０　引　言 结合其他判断因果方向的方法才能得出最终的因果结构。比如