基于加性噪声模型的缺失数据因果推断

• 作者: 乔杰 温雯 蔡瑞初 郑聪 郝志峰
• 来源期刊: 计算机应用研究
• 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
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.01.013

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的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
5	蔡瑞初	广东工业大学计算机学院	66	279	10.0	13.0
7	温雯	广东工业大学计算机学院	48	272	10.0	14.0
10	郑聪	广东工业大学计算机学院	1	0	0.0	0.0
11	乔杰	广东工业大学计算机学院	2	0	0.0	0.0