基于加性噪声模型的缺失数据因果推断-计算机应用研究.PDFVIP

基于加性噪声模型的缺失数据因果推断 作者 蔡瑞初, 郑聪, 郝志峰, 乔杰, 温雯 机构 广东工业大学 计算机学院；广东工业大学 应用数学学院 ；南京大学计算机软件新技术国家重 点实验室 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第1 期 访问地址 /article/02-2018-01-006.html 发布日期 2017-01-19 14:46:40 引用格式 蔡瑞初, 郑聪, 郝志峰, 乔杰, 温雯. 基于加性噪声模型的缺失数据因果推断[J/OL]. [2017-01-1 9]. /article/02-2018-01-006.html. 摘要 推断数据间存在的因果关系是很多科学领域中的一个基础问题.然而现在暂时还没有快速有效的 方法对缺失数据进行因果推断。为此，提出一种基于加性噪声模型下适应缺失数据的因果推断算 法.该算法是基于加性噪声模型下利用最大似然估计法结合加权样本修复数据的思想构造以似然 函数形式的模型评分函数，并以此度量模型相对于缺失数据集的优劣程度，通过迭代学习确定因 果方向.每次迭代学习包括使用参数修复数据和在修复后的完整数据集下估计参数。该方法既解决 了加性噪声模型中映射函数的参数学习困难性问题，又避免了现有学习方法所存在的主要… 关键词 加性噪声模型, 因果推断, 缺失数据, 最大似然估计, 评分函数, 贝叶斯网络 中图分类号 TP181 基金项目 NSFC-广东联合基金资助项目（U1501254）; 国家自然科学基金资助项目61572143）; 广东省自然科学基金资助项目（2014A030306004，2014A030308008）; 广东省科技计划资助项 目（2013B051000076 ，2015B010108006 ，2015B010131015 ）; 广东特支计划资助项目 （2015TQ01X140）; 广州市珠江科技新星资助项目（201610010101 优先出版 计 算 机 应 用 研 究 第35 卷 基于加性噪声模型的缺失数据因果推断* 1a, 2 1a 1a, 1b 1a 1a 蔡瑞初 ，郑 聪 ，郝志峰 ，乔 杰 ，温 雯 (1 ．广东工业大学 a ．计算机学院；b ．应用数学学院，广州 510006 ；2 ．南京大学 计算机软件新技术国家重点实验室， 南京 210023) 摘 要：推断数据间存在的因果关系是很多科学领域中的一个基础问题.然而现在暂时还没有快速有效的方法对缺失数 据进行因果推断。为此，提出一种基于加性噪声模型下适应缺失数据的因果推断算法.该算法是基于加性噪声模型下利 用最大似然估计法结合加权样本修复数据的思想构造以似然函数形式的模型评分函数，并以此度量模型相对于缺失数据 集的优劣程度，通过迭代学习确定因果方向.每次迭代学习包括使用参数修复数据和在修复后的完整数据集下估计参数。 该方法既解决了加性噪声模型中映射函数的参数学习困难性问题，又避免了现有学习方法所存在的主要问题。实验表明， 在数据缺失比例扩大的情况下该算法仍具有较高识别能力. 关键词：加性噪声模型；因果推断；缺失数据；最大似然估计；评分函数；贝叶斯网络 中图分类号：TP181 Causal inference with missing data based on additive noise models Cai Ruichu1a, 2, Zheng Cong1a, Hao Zhifeng1a