基于分离的因果图距离度量

评估因果发现算法输出的准确性对于开发和比较新方法至关重要。结构汉明距离等常用评估指标可用于评估因果图的单个链接。然而，许多最先进的因果发现方法输出的并非单个因果图，而是其马尔可夫等价类 (MECs)，后者编码了图的所有分离和连接陈述。在本工作中，我们提出了额外的距离度量，以捕捉两个因果图在分离性上的差异，这是基于链接的距离所不适合评估的。所提出的距离具有低多项式时间复杂度，适用于有向无环图 (DAGs) 以及可能包含双向边的最大祖先图 (MAGs)。我们通过玩具示例和实证实验补充了理论分析，突出了与现有比较指标的差异。