【ICML2022】熵因果推理:图的可辨识性

熵因果推断是一种最新的框架，通过寻找数据的信息-理论上最简单的结构解释，即最小熵模型，从观测数据中学习两个变量之间的因果图。在我们的工作中，我们首先推广了松弛假设下的因果图可辨识性结果。然后，我们展示了第一个可识别的结果，使用熵的方法学习超过两个节点的因果图。该方法利用了一个属性，即一个源节点和它的后代节点之间的祖先关系可以用二元熵测试来确定。我们提供了一种基于此特性的普通图的有序剥离算法。我们还提出了一个启发式算法，小图显示了较强的经验性能。我们严格评估我们的算法在各种模型生成的合成数据上的性能，观察与之前工作相比的改进。最后，我们在真实的数据集上测试我们的算法。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“ECI” 就可以获取《【ICML2022】熵因果推理:图的可辨识性》专知下载链接

                       

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取100000+AI(AI与军事、医药、公安等)主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取100000+AI主题知识资料