基于物联网的工程问题中的因果机器学习: 以家庭能源消耗为例的方法比较
机器学习
2025-07-02 v3
摘要
计算能力的快速提升以及基础设施中存储大数据的能力,已使机器学习能够在广泛的领域进行预测。然而,在许多情况下,现有的机器学习工具被认为不足或错误,因为它们仅利用概率依赖关系,而不利用推理逻辑。因果机器学习方法似乎填补了这一差距。本文比较了两种基于因果机器学习方法的流行工具,并阐述了其数学 underpinning 背景。通过检验这两种工具对18个查询的响应,以埃德格尔大学发布的 IDEAL 家庭能源数据集为例,演示了它们的运行情况。首先,必须评估允许使用此方法的因果关系假设;这基于领域的既有科学知识,并通过内置的验证工具实现。结果令人鼓舞且可轻易扩展到其他领域。
引用
@article{arxiv.2505.12147,
title = {Causal Machine Learning in IoT-based Engineering Problems: A Tool Comparison in the Case of Household Energy Consumption},
author = {Nikolaos-Lysias Kosioris and Sotirios Nikoletseas and Gavrilis Filios and Stefanos Panagiotou},
journal= {arXiv preprint arXiv:2505.12147},
year = {2025}
}