利用无监督学习辅助发现因果图
人工智能
2020-09-24 v1 机器学习
摘要
本文概述的软件AitiaExplorer是一种探索性因果分析工具，它使用无监督学习进行特征选择，以加速因果发现。本文简要描述了因果性的问题空间并提供了相关研究综述。给出了软件的问题陈述与需求。讨论了AitiaExplorer实现中的关键需求、关键设计决策与实际实现。最后，根据前面所述的问题陈述与需求对该实现进行了评估。结果发现AitiaExplorer满足了这些需求，是一个有用的探索性因果分析工具，可自动从数据集中选择重要特征的子集，并基于这些特征生成供审阅的因果图候选。该软件可在 https://github.com/corvideon/aitiaexplorer 获取。
引用
@article{arxiv.2009.10790,
title = {Using Unsupervised Learning to Help Discover the Causal Graph},
author = {Seamus Brady},
journal= {arXiv preprint arXiv:2009.10790},
year = {2020}
}