从多个干预数据集中发现马尔可夫毯
人工智能
2018-01-26 v1
摘要
本文研究从多个干预数据集中发现目标变量的马尔可夫毯（MB）的问题。相较于被动观测数据（观测数据），干预实验所得数据集包含更丰富的因果信息，有利于 MB 发现。然而，几乎所有现有的 MB 发现方法都设计用于从单一观测数据集中寻找 MB。为从多个干预数据集中识别 MB，我们面临两个挑战：（1）干预变量未知；（2）数据分布非同。为应对这些挑战，我们从理论上分析了（a）在何种条件下可找到目标变量的正确 MB，以及（b）在何种条件下可通过发现其 MB 来识别目标变量的原因。基于理论分析，我们提出了一种从多个干预数据集中发现 MB 的新算法，并给出了保证该算法正确性的条件/假设。据我们所知，本工作是首个针对多干预数据集 MB 发现的条件给出理论分析、并提出与该条件相关的 MB 发现算法的研究。利用基准贝叶斯网络和真实世界数据集，实验验证了本文所提算法的有效性与高效性。
引用
@article{arxiv.1801.08295,
title = {Discovering Markov Blanket from Multiple interventional Datasets},
author = {Kui Yu and Lin Liu and Jiuyong Li},
journal= {arXiv preprint arXiv:1801.08295},
year = {2018}
}