基于集合覆盖的因果网络重构
数据结构与算法
2010-06-07 v1 机器学习
摘要
我们提出了一种基于随机分支过程访问节点顺序的网络重构方法。我们的算法重构出一个最小规模的网络，以确保与数据的一致性。关键的是，我们证明了与数据的全局一致性可以通过纯粹的局部考虑来实现，即依次推断每个节点的邻域。为每个单独节点求解的优化问题可以归结为集合覆盖问题，该问题已知是 NP 困难的，但在实践中可以得到很好的近似。然后，基于最小描述长度原则，我们扩展了我们的方法以考虑噪声数据。我们在由类 SIR 流行病学模型生成的合成数据上验证了我们的算法。
引用
@article{arxiv.1006.0849,
title = {Reconstruction of Causal Networks by Set Covering},
author = {Nick Fyson and Tijl De Bie and Nello Cristianini},
journal= {arXiv preprint arXiv:1006.0849},
year = {2010}
}
备注
Under consideration for the ECML PKDD 2010 conference