证明补充材料——学习稀疏因果模型并非 NP 难问题 (UAI2013)
机器学习
2014-11-07 v1
摘要
本文包含与 UAI-2013 投稿论文《学习稀疏因果模型并非 NP 难问题》相关的详细证明和额外示例。文章描述了 FCI+ 算法：这是一种在存在潜在混杂因素和/或选择偏差的情况下进行可靠且完备因果模型发现的方法；对于节点数为、节点度上限为的稀疏图，该算法在独立性检验次数上的最坏情况多项式复杂度为阶。该算法是对 (Spirtes et al., 2000) 提出的著名 FCI 算法的改编，后者同样可靠且完备，但其最坏情况复杂度关于呈指数级。
引用
@article{arxiv.1411.1557,
title = {Proof Supplement - Learning Sparse Causal Models is not NP-hard (UAI2013)},
author = {Tom Claassen and Joris M. Mooij and Tom Heskes},
journal= {arXiv preprint arXiv:1411.1557},
year = {2014}
}
备注
11 pages, supplement to `Learning Sparse Causal Models is not NP-hard' (UAI2013)