从关系数据学习因果模型的可靠且完备算法
人工智能
2013-09-27 v1
摘要
PC 算法学习最大定向的因果贝叶斯网络。然而，目前尚无等效的完备算法用于学习关系模型的结构，而关系模型是贝叶斯网络更具表达力的推广。关系模型理论与表示方面的最新进展支持关于条件独立性的提升推理（lifted reasoning）。这为定向双变量依赖关系提供了一种强有力的约束，并构成了新结构学习算法的基础。我们提出了关系因果发现（RCD）算法，用于学习因果关系模型。我们证明了 RCD 是可靠且完备的，并展示了证明其有效性的实证结果。
引用
@article{arxiv.1309.6843,
title = {A Sound and Complete Algorithm for Learning Causal Models from Relational Data},
author = {Marc Maier and Katerina Marazopoulou and David Arbour and David Jensen},
journal= {arXiv preprint arXiv:1309.6843},
year = {2013}
}
备注
Appears in Proceedings of the Twenty-Ninth Conference on Uncertainty in Artificial Intelligence (UAI2013)