关于非时序观察数据因果关系发现综述.PDFVIP

第40 卷 计 算 机 学 报 Vol. 40 2017 年 论文在线出版号 No.6 CHINESE JOURNAL OF COMPUTERS Online Publishing No.6 基于非时序观察数据的因果关系发现综述 1) 1) 2) 1)3) 蔡瑞初 陈薇 张坤 郝志峰 1)(广东工业大学 计算机学院, 广州 510006) 2)(卡内基梅隆大学 哲学系, 匹兹堡市 美国 15213) 3)(佛山科技技术学院 数学与大数据学院, 佛山 广东 528000) 摘 要 探索和发现事物间的因果关系是数据科学的一个核心问题，其中蕴含着丰富的科学发现机会和巨大的商业价值。 基于非时序观察数据的因果关系发现方法能够从被动观察获得的数据中发现变量之间的因果关系 ，因而在各领域有广泛应 用。这一类方法在过去三十年取得很大进展，已经成为因果关系发现的重要途径。本文从因果关系方向推断、高维数据上的 误发现率控制和不完全观察数据上的隐变量检测这三个研究热点出发，对现有的因果关系模型与假设、基于约束的方法、基 于因果函数模型的方法和混合型方法这三大类方法，验证与测评涉及的数据集及工具等方面进行了详尽的介绍与分析。基于 约束的方法主要包括因果骨架学习和因果方向推断两个阶段: 首先基于因果马尔科夫假设 ，采用条件独立性检验学习变量之 间的因果骨架 ，然后基于奥卡姆剃刀准则利用V-结构确定因果方向 ，典型的算法有Peter-Clark 算法、Inductive Causation 等 ， 这类方法的主要不足是存在部分无法判断的因果关系方向，即存在Markov 等价类难题。基于因果函数模型的方法则基于数 据的因果产生机制假设，在构建变量之间的因果函数模型的基础之上 ，基于噪声的非高斯性、原因变量与噪声的独立性、原 因变量分布与因果函数梯度的独立性等因果假设推断变量之间的因果关系方向，典型的算法有针对线性非高斯无环数据的 Linear Non-Gaussian Acyclic Model 算法、针对后非线性数据的Post-NonLinear 算法、适用于非线性或离散数据的Additive Noise Model 等 ，这类方法的主要不足是需要较为严格的数据因果机制假设 ，且Additive Noise Model 等方法主要适用于低维 数据场景。混合型方法则希望充分发挥基于约束的方法和基于因果函数类方法的优势，分别采用基于约束的方法进行全局结 构学习和基于因果函数模型进行局部结构学习和方向推断 ，典型的算法有SADA、MCDSL 等 ，理论分析较为不足是这类方 法目前遇到的主要困难。最后，文中还基于研究现状分析讨论了因果方向推断、高维数据上的误发现率控制、隐变量发现、 ——————————————— 本课题得到NSFC-广东联合基金(U1501254)、国家自然科学基金 、广东省杰出青年科学基金 （2014A030306004 ）资助.蔡瑞初(通讯作者) ， 男，1983年生，博士，教授，计算机学会(CCF)高级会员,主要研究领域为因果关系、机器学习等.陈薇，女，1993年生，硕士，计算机学会(CCF)会员, 主要研究领域为因果关系. 张坤，男，1980年生，博士，助理教授，否,主要研究领域为因果关系、机器学习等.郝志峰，男，1968年生，博士，教授， 主要研究领域为机器学习、数据挖掘. 2 计 算 机 学 报 20 17 年 与机器学习的关系等未来可能的研究方向。 关键词 因果关系；因果关系发现；观察数据；结构学习；加性噪声模型 中图法分类号 TP 18 论文引用格式： 蔡瑞初, 陈薇,张坤,郝志峰, 基于非时序观察数据的因果关系发现综述,2017，Vol.40,在线出版号 No.6