因果モデルと監督グラフィカルモデルの違いは何ですか？

Question

因果モデルと監督グラフィカルモデルの違いは何ですか？因果関係と指示確率論的関係の違いは何ですか？具体的に、あなたはDirectedProbabilisticModelクラスで何CausalModelクラスのインタフェースに入れ、そして何でしょうか？他からでしょう1つの継承？

Answer 1

の2種類があります。の因果モデルのの介入モデルと反事実モデルの。すべての監督グラフィカルモデルはobservationally推論することができます。インターベンションモデルは、観察と介入証拠と缶理由その指示グラフィカルモデルです。 、観測介入、及び反事実証拠（ソースモデル内の推論である介入）と反事実モデル缶理由

プライベートのメールでは数年前、パールはことを私に書きました

  定義によると、モデルは仮定のリストである、との仮定は「真であることが知られていない」ん。彼らは、理論、またはデータ、あるいは実験によって実証することができます。しかし、階層内の位置はない、彼らはどこから来たことで、彼らが主張するものによって決定されます。

Answer 2

ユダヤパールによって因果関係を読み込むための本です。

は違いは、1つのの因果のあることであり、他方は、単にの統計のです。トートロジークラブの一員として私を却下する前に、私を通じ聞きます。

Aは、確率の関係（条件付確率表のAKA完全なセット、AKAベイジアンネットワーク）のみの統計情報が含まれている指示しました。あなたが共同確率テーブルから推測できるものは、あなたが監督確率的関係、より多くの何もない、あまり何もないから推測できることを意味します。 2は等価です。

因果関係は完全に何か他のものです。因果関係（AKA因果ベイジアンネットワーク）は、任意の変数の介入の下で何が起こるかを指定する必要があります。変数がモデルの正常な影響の値外に強制されたときに介入です。これは強制的な変数の条件付き確率の交換に相当します（または変数を、私たちは簡単にするために一つだけ考えます） 変数が確率1での強制的な値をとるに新しいテーブルでます。

これは理にかなっていない場合は、フォローアップと私は明確にしてください。

をコメント欄にアドレスニールの質問に追加このセクションを

ニールは尋ねます：

  

どのようにの方向を決定することができます   監督確率論的関係   介入を行うことなく？に   つまりは、指示されません   グラフィカルモデルは因果を持っています   その中の情報（すなわち、情報   上の条件付き確率について   介入？）

あなたは追加の非統計的な仮定を行うことによって指示確率論的関係の方向を決定することができます。これらの仮定は、一般的に、次のとおり条件付き独立関係が同時分布で見られることを想定していない隠された変数、本当に重要なものを、と仮定すると安定している（彼らは偶然やキャンセルでない存在という意味します）。ベイジアンネットワークやるのありませんのこれらの仮定を行います。

方向を回復する方法の詳細については、研究のためのIC、PC、およびIC *アルゴリズム。 「推論因果関係のA理論」：私はICの特定の詳細がで覆われていると考えていますの

Answer 3

私は理解していればこのポスト正しく、カジュアルなモデルや監督グラフィカルモデル（ベイジアンネットワーク）は、ワークフローの異なる段階で目指しています。カジュアルなモデルは、彼らが因果関係を反映するような依存関係を割り当てる方法です。ベイジアンネットワークは、推論技術を提供してくれる。だから、1は異なるものを使用して推定を行うことができます。一方、一つはSCMとは異なる技術を使用してベイジアンネットワークをモデル化することができます。

あなたは深くそれを掘り下げる場合（私はしたいと思いながら：）私は完全にSCMの主題を理解していないので、私たちに知らせてくださいます。

Answer 4

向けグラフィカルモデルは、変数間の因果関係を符号化する方法です。 確率的グラフィカルモデルは確率的方法で因果関係を符号化する方法です。 私は中先駆者の一人であるユダヤパールで書かれたこのの本を読んで推薦しますフィールド（私はあなたがコメントで述べた論文で参照を参照）。

は有向グラフは、単に対象とするグラフ（ノードおよびエッジ）（エッジが方向を有する）です。因果モデルは変数がお互いにどのような影響を与えるかを教えてくれたモデルです、それを行う一つの方法は、有向グラフを使用しています。 AIの研究では、それはあまりにも厄介であるため、決定論的因果関係は私たちの周りの世界のエンコードの知識に十分ではないことが示されています。確率は絵に追加された理由です。