高維數(shù)據(jù)下的因果發(fā)現(xiàn)算法研究.pdf

1、挖掘數(shù)據(jù)中蘊含的因果關(guān)系是自然科學(xué)研究的一個基本問題.近年來，盡管很多研究者致力于從可觀測數(shù)據(jù)中尋找其中可能存在的因果關(guān)系，但是在高維數(shù)據(jù)集下，現(xiàn)時的因果發(fā)現(xiàn)算法依然面對著兩大困難:1）高維數(shù)據(jù)下算法的準(zhǔn)確率低;2）高維數(shù)據(jù)下的時間復(fù)雜度太高.因而，這些方法很難高效地應(yīng)用到高維數(shù)據(jù)集進行因果關(guān)系挖掘.在本文的工作中，我們提出了一種三階段因果發(fā)現(xiàn)算法，該第一階段，利用基于最大相關(guān)性和最小冗余度的貪婪搜索方法尋找因果候選網(wǎng)絡(luò)骨架;第二階段，

2、利用基于條件獨立性測試的方法精煉因果候選網(wǎng)絡(luò)骨架，得到精確的因果網(wǎng)絡(luò)骨架;第三階段，利用信息-幾何模型對網(wǎng)絡(luò)骨架中結(jié)點間邊的方向進行推斷，最終得到一個完整的因果網(wǎng)絡(luò)結(jié)構(gòu)圖.具體來說，本論文的主要工作及創(chuàng)新點有:
　　(1)高維數(shù)據(jù)下因果網(wǎng)絡(luò)結(jié)構(gòu)主要面對的是準(zhǔn)確率低和時間復(fù)雜度高的問題.為了解決這一問題，引入了數(shù)據(jù)挖掘中特征選擇方法，提出一種基于最大相關(guān)性和最小冗余度的能夠快速且有效地尋找到一個候選因果網(wǎng)絡(luò)骨架的方法，并從理論上和實

3、驗中證實其的可靠性.
　　(2)基于上一步的結(jié)果，通過基于條件獨立性測試的算法，在較低維的候選因果網(wǎng)絡(luò)骨架下學(xué)習(xí)出精確的因果網(wǎng)絡(luò)骨架.為了能在非線性數(shù)據(jù)下依然能學(xué)習(xí)出較好的因果骨架，算法采用了Kun Zhang等人提出的核條件獨立測試方法代替?zhèn)鹘y(tǒng)的獨立測試方法，其能夠在樣本量規(guī)模較小的非線性數(shù)據(jù)集中得到良好的結(jié)果.
　　(3)根據(jù)數(shù)據(jù)的非線性屬性，采用Janzing等人提出的信息-幾何模型進行方向推斷.該模型打破了變量間的對