马尔可夫毯与多数投票因果发现评估

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：李廷鹏;王雷;彭丹华;廖军;刘礼*

单位：1. 电子信息系统复杂电磁环境效应国家重点实验室,河南 洛阳 471003;2. 重庆大学 大数据与软件学院,重庆 401331

摘要：近年来,因果学习因其卓越的可解释性,成功地与深度学习相结合。 在因果学习中,由于自然数据的收集难度和高成本,过去的研究主要依赖于合成数据集进行因果发现的验证。 然而,合成数据集和半真实数据集常包含较多的人工控制,无法真实反映因果发现算法在实际场景中的表现。 为解决这一问题,提出了一种在缺乏真实因果图的情况下评估因果发现方法的新策略。 具体而言,将数据集划分为训练集和测试集,在训练集上进行因果发现以构建因果图,然后在测试集上验证该因果图。 验证过程包括马尔可夫毯测试和因果图中每条边的因果方向判别,最终通过多数投票策略集成判别结果。 在合成数据集和真实数据集上进行了全面的实验,结果表明,该方法在评估因果图的准确性和泛化性方面具有显著的有效性。 这一方法为因果发现算法在真实场景中的性能评估提供了新的途径,提升了因果学习的应用潜力和可信度。

关键词：因果发现;马尔可夫毯测试;数据集分割;多数投票策略;因果非对称识别方法