因果推断导论笔记-Lecture10-Learning DAGs

讨论的是学习贝叶斯网络，而不是因果的贝叶斯网络

已知图结构的参数学习Parameter Learning

以频率学派、离散型为例

R的实现：

未知图结构的结构学习

1. search-and-score method：定义一种打分方式（如（惩罚的）对数似然）。给不同的图结构打分。
2. constraint-based method：用计算机算法搜索满足条件独立性的图

search-and-score method的实例 HC

用对数似然分数，容易过拟合，默认使用bic分数。

constraint-based method的实例IC算法

算法的缺点是图模型硬性地依赖于条件独立性检验，容错率太低。

分别每一对去检验：

1和4的条件独立集S中有2，所以1-2-4不是V结构。

2和3的条件独立集S中没有4，所以2-4-3是V结构。

正确答案是C。2->3不是V结构，因为只有1和4之间没有边可能产生V结构。

尝试一下就发现，3->2会一定导致新的有向环。而其他不能确定。

条件独立性检验

更详细的信息见课件。

高斯图模型

协方差对应的0是无条件独立性，而逆对应的0是条件独立性。

title: 因果推断导论笔记-Lecture10-Learning DAGs
date: 2022-12-12 16:13:36
updated: 2022-12-12 16:13:36
math: true
tags: [因果推断, 统计]
categories:

• [课程笔记, 因果推断导论]

---

讨论的是学习贝叶斯网络，而不是因果的贝叶斯网络

已知图结构的参数学习Parameter Learning

以频率学派、离散型为例

R的实现：

未知图结构的结构学习

1. search-and-score method：定义一种打分方式（如（惩罚的）对数似然）。给不同的图结构打分。
2. constraint-based method：用计算机算法搜索满足条件独立性的图

search-and-score method的实例 HC

用对数似然分数，容易过拟合，默认使用bic分数。

constraint-based method的实例IC算法

算法的缺点是图模型硬性地依赖于条件独立性检验，容错率太低。

分别每一对去检验：

1和4的条件独立集S中有2，所以1-2-4不是V结构。

2和3的条件独立集S中没有4，所以2-4-3是V结构。

正确答案是C。2->3不是V结构，因为只有1和4之间没有边可能产生V结构。

尝试一下就发现，3->2会一定导致新的有向环。而其他不能确定。

条件独立性检验

更详细的信息见课件。

高斯图模型

协方差对应的0是无条件独立性，而逆对应的0是条件独立性。