因果发现技术研究综述

来源：计算机工程与应用杂志2025年第24期北京时间：

作者：胡志远, 高锦涛

单位：宁夏大学 信息工程学院，银川 750021

摘要：因果发现技术在医学、生物学、经济学、社会科学等领域有着广泛应用，能够揭示变量之间的因果关系，进而提升预测结果的可解释性。因果发现是指从数据中识别变量之间因果关系的过程，包括发现变量之间是否存在因果关系，同时还涉及理解这种关系的方向和强度。随着大数据技术的发展，数据驱动的方法逐渐成为因果发现的重要手段，它通过从大量数据中自动提取潜在的因果信息，有助于应对传统方法的局限性。数据驱动的因果发现能够有效利用高维数据，突破因果分析中对数据质量和独立性假设的依赖。目前，因果发现面临如何有效利用高维数据、精确控制混杂变量以及处理变量间的复杂交互等挑战。传统因果发现方法基于条件独立性测试，严重依赖数据质量，并且面对高维数据表现不佳。机器学习技术大大推动了因果发现技术的发展，比如高效的数据处理与分析、不确定性估计与可信度分析等。综述了目前具有代表性的因果发现的进展：介绍了传统因果发现中常用的方法，探究其核心过程存在的问题；总结了当前统计学习领域中流行的因果发现方法，并详细阐述这些方法的核心思想，在同一基准数据集上对其性能和适用数据类型场景进行比较，主要目的是为数据科学与统计学习领域的科研人员提供更有价值的参考；对因果发现未来的研究方向进行了总结。

关键词：因果发现,因果推断,因果关系,机器学习