因果发现学习笔记 PC 算法详解

叶庭云

于 2023-02-28 16:43:53 发布

阅读量2.5k

点赞数 2

分类专栏：人工智能学习之路文章标签：算法学习机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/fyfugoyfa/article/details/129214289

版权

人工智能学习之路专栏收录该内容

76 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

PC算法是一种基于约束的因果发现方法，用于从数据中学习贝叶斯网络的结构。首先通过条件独立性检验建立无向图骨架，然后利用d分离确定边的方向，生成部分有向无环图（CPDAG）。由于马尔科夫等价类的存在，PC算法可能无法确定所有边的方向，输出的是CPDAG而非真正的DAG。该算法在计算量上相对较小，但在条件独立性测试不准确或存在隐变量时，可能无法得到完整因果结构。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

一、基础概念
二、PC 算法
三、马尔科夫等价类问题
四、总结

CSDN 叶庭云：https://yetingyun.blog.csdn.net/

一、基础概念

对于 $K$ 维随机向量

了解本专栏

超级会员免费看

评论 4

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。