В чем разница между причинно-следственными моделями и направленными графическими моделями?

Question

В чем разница между причинно-следственными моделями и направленными графическими моделями?В чем разница между причинно-следственными связями и направленными вероятностными связями?Более конкретно, что бы вы поместили в интерфейс DirectedProbabilisticModel класс, а что в CausalModel класс?Унаследует ли один из них от другого?

Answer 1

Существует два типа причинно-следственная модель: интервенционные модели и контрфактические модели.Все направленные графические модели способны рассуждать наблюдательно.Интервенционная модель — это направленная графическая модель, которая может рассуждать на основе данных наблюдений и интервенций.Контрфактическая модель может рассуждать на основе наблюдательных, интервенционных и контрфактических данных (вмешательства, источником которых являются выводы внутри модели).

Пару лет назад в личном электронном письме Перл написала мне следующее:

По определению, модель представляет собой список предположений, а истинность предположений никогда не бывает «истинной».Они могут быть подтверждены теорией, данными или экспериментами.Но их положение в иерархии определяется тем, что они заявляют, а не тем, откуда они пришли.

Answer 2

"Причинно-следственная связь" Джуди Перл - это книга, которую стоит прочитать.

Разница в том, что один из них является причинно - следственный а другой - это просто статистический.Прежде чем уволить меня как члена клуба тавтологов, выслушайте меня до конца.

Направленная вероятностная связь (ОНА ЖЕ полный набор таблиц условных вероятностей, ОНА ЖЕ байесовская сеть) содержит только статистическую информацию.Это означает, что все, что вы можете вывести из таблицы совместных вероятностей, вы можете вывести из направленной вероятностной зависимости, ни больше, ни меньше.Эти два понятия эквивалентны.

Причинно-следственная связь - это нечто совершенно иное.Причинно-следственная связь (ОНА ЖЕ Причинно-следственная байесовская сеть) должна указывать, что происходит при любом переменном вмешательстве.Вмешательство - это когда переменная принудительно принимает значение, выходящее за рамки обычных воздействий модели.Это эквивалентно замене условной вероятности для принудительной переменной (или переменных, но для простоты мы рассмотрим только одну) новой таблицей, в которой переменная принимает свое принудительное значение с вероятностью один.

Если это не имеет смысла, пожалуйста, продолжайте, и я уточню.

Этот раздел добавлен для ответа на вопросы Нила в комментариях

Спрашивает Нил:

Как вы можете определить направление направленных вероятностных взаимосвязей без проведения вмешательств? Другими словами, разве направленная графическая модель не содержит причинно-следственной информации (т.Е. информации о вероятностях, зависящих от вмешательств?)?

Вы можете определить направление направленных вероятностных зависимостей, сделав дополнительные нестатистические допущения.Эти предположения обычно включают:предполагая отсутствие скрытых переменных, и это действительно важная переменная, предполагая, что отношения условной независимости, найденные в совместном распределении, стабильны (это означает, что они существуют не случайно или при отмене).Байесовские сети делают нет сделайте эти предположения.

Для получения подробной информации о том, как восстановить инструкции, изучите алгоритмы IC, PC и IC *.Я полагаю, что конкретные детали IC описаны в: "Теория предполагаемой причинно-следственной связи"

Answer 3

Если я пойму эта почта правильно, случайные модели и направленные графические модели (байесовские сети) нацелены на разные этапы рабочего процесса.Случайная модель — это способ назначения зависимостей таким образом, чтобы они отражали причинно-следственную связь.Байесовские сети предоставляют нам методы вывода.Таким образом, можно выполнить оценку, используя что-то другое.С другой стороны, можно моделировать байесовские сети, используя методы, отличные от SCM.

Если копнете глубже, дайте знать, пожалуйста, потому что я не до конца понимаю тему SCM (а хотелось бы :).

Answer 4

направленные графические модели — это способ кодирования причинно-следственных связей между переменными.Вероятностные графические модели — это способ вероятностного кодирования причинно-следственной связи.Я бы рекомендовал прочитать этот книга, написанная Джудеей Перл, одним из пионеров в этой области (на которого, как я вижу, вы ссылаетесь в статье, которую вы упомянули в комментарии).

ориентированный граф — это просто граф (узлы и ребра), который является направленным (ребра имеют направления).Причинные модели — это модели, которые сообщают вам, как переменные влияют друг на друга. Один из способов сделать это — использовать ориентированные графы.Исследования ИИ показали, что детерминистских причинно-следственных связей недостаточно для кодирования знаний об окружающем нас мире, поскольку они слишком беспорядочны.Именно поэтому к картине добавилась вероятность.