基于混合条件独立性测试的因果发现算法

作者：陈少凡; 韦程东^*; 何国源; 彭昱忠; 徐辉

来源：南宁师范大学学报(自然科学版), 2023, 40(02): 50-60.

DOI：10.16601/j.cnki.issn2096-7330.2023.02.008

• 因果发现
• 贝叶斯网络
• 条件独立性测试
• 偏相关性测试
• 时间复杂度

在因果发现领域中，条件独立性(Conditional independence; CI)测试方法决定了基于约束的算法的效率和准确度.Peter-Clark(PC)算法是应用最为广泛的一个基于约束的算法.由于CI测试方法的局限性，该算法在处理高维数据时存在耗时过长和准确度不高的问题.该文提出一种混合CI测试方法(Mixed CI Test; MCIT),它是一种基于核函数的CI测试方法(Kernel-based Conditional Independence Test; KCIT),并结合偏相关性测试. MCIT能与PC算法结合(称为PCMCIT)进行因果发现.MCIT通过偏相关性测试减少了KCIT中存在的大量有关核矩阵的运算，从而提高了因果发现的效率；同时又保留了KCIT能够处理非线性数据的优点，因而保证了因果发现的准确度.在各数据集上的实验结果表明，PCMCIT的精确率比基于KCIT的PC算法(称为PCKCIT)有显著提高，与基于非线性回归的PCRCIT算法不相上下；而PCMCIT的平均运行时间比后两者大为缩短.

• 单位
  广东石油化工学院; 南宁师范大学