基于马尔科夫边界发现的因果特征选择算法综述

作者：吴兴宇; 江兵兵; 吕胜飞; 王翔宇; 陈秋菊; 陈欢欢^*

来源：模式识别与人工智能, 2022, 35(05): 422-438.

DOI：10.16451/j.cnki.issn1003-6059.202205004

• 马尔科夫边界
• 特征选择
• 因果学习
• 因果特征选择
• 贝叶斯网络
• 马尔科夫毯

因果特征选择算法(也称为马尔科夫边界发现)学习目标变量的马尔科夫边界，选择与目标存在因果关系的特征，具有比传统方法更好的可解释性和鲁棒性.文中对现有因果特征选择算法进行全面综述，分为单重马尔科夫边界发现算法和多重马尔科夫边界发现算法.基于每类算法的发展历程，详细介绍每类的经典算法和研究进展，对比它们在准确性、效率、数据依赖性等方面的优劣.此外，进一步总结因果特征选择在特殊数据(半监督数据、多标签数据、多源数据、流数据等)中的改进和应用.最后，分析该领域的当前研究热点和未来发展趋势，并建立因果特征选择资料库(http://home.ustc.edu.cn/～xingyuwu/MB.html),汇总该领域常用的算法包和数据集.

• 单位
  中国科学技术大学; 杭州师范大学