基于约束模型与 PMIME 度量的时间序列因果发现
统计方法学
2023-06-01 v1 信息论
机器学习
math.IT
摘要
因果性定义了原因与结果之间的关系。在多变量时间序列领域，这一概念可考虑时间滞后刻画若干时间序列间的联系。这些现象在医学（如分析药物效应）、制造业（检测复杂系统异常原因）或社会科学中尤为重要……多数情况下，对此类复杂系统的研究仅通过相关性进行。但相关性可能导致伪关系。为规避该问题，本文提出一种结合因果发现算法与基于信息论度量的时间序列数据因果发现新方法。所提方法可推断线性关系与非线性关系，并构建底层因果图。我们在多个模拟数据集上评估了方法性能，展示了有前景的结果。
引用
@article{arxiv.2305.19695,
title = {Causal discovery for time series with constraint-based model and PMIME measure},
author = {Antonin Arsac and Aurore Lomet and Jean-Philippe Poli},
journal= {arXiv preprint arXiv:2305.19695},
year = {2023}
}