因果网络图

Question

我一直在读这个博客(https://deepmind.com/blog/article/Causal_贝氏_网络)，现在只是进入因果推理。

我有一个关于因果网络图的问题。假设给定的数据，因果网络图是如何生成的？它如何知道哪些特征对其他特征是因果的？

Answer 1

这是一个非常常见的问题，在通往因果关系的路径开始的时候，我在我的旅程开始的时候也有过这个问题。

你要找的是探索性因果分析，也称为因果发现。有许多算法试图做到这一点，其中最著名的是PC算法。最近的一种/现代的算法是MIIC。

总之，如果有随机变量的话，我们的目标是试图得到随机变量之间的直接关联。这个过程，如果做得正确，将给你一个概率图形模型(PGM)。从这跳到因果模型是一组假设，你愿意将你的分析建立在此基础之上。主要有因果忠实、因果马尔可夫条件和不混淆。就像任何因果推理研究一样，你必须让你的听众相信你的假设和方法本身对于这个特定的问题是有效的。

这段视频不仅讨论了因果发现，而且还展示了它的应用研究：https://www.youtube.com/watch?v=pQ0D2qsw6S4。

Answer 2

简单的答案是，如果您有一些特性的数据集，

1. 问领域专家，什么应该导致什么？
2. 应用IC*算法1，该算法描述如何以编程方式和统计方式构造因果图。

但是，该算法不能保证您的图是唯一的，也不能保证它是唯一和完整的图，而且它取决于您的数据集。因为算法是从数据构建模型的，所以如果数据有问题，它可能是错误的。尽管如此，如果您所需要的只是一个足够有用的模型，那么您可以专注于您的特征子集，尝试该算法，并将一些领域专家知识集成到算法的结果中。

本书2讨论了另一种构造算法，它还需要一些关于您的特性的先验专家知识来构建一个最小的模型。

我认为要建立一个完全正确的因果模型是不可能的。

1珠儿，J.因果关系:模型，推理和推理。剑桥大学出版社。

2 Korb.作者声明: A. A. E.第二版。CRC出版社