文章摘要:从多元时间序列观测数据中学习多个变量之间的因果关系是许多专业领域中的重要基本问题。现有的多元时间序列因果关系发现方法通常从每个个体的观测数据中学习个体因果关系，然而并没有考虑部分个体之间可能存在相同的因果关系，因此存在样本利用不足的问题。为此，本文提出了一种面向多元时间序列的群体因果关系发现算法。该算法分为两个阶段，第一阶段将基于因果关系对个体之间的相似性进行度量，并把多个个体划分成多个群体，并且无须指定群体的个数；第二阶段为每一个群体，基于变分推断的方法充分利用群体内的所有个体数据，从而学习群体因果关系。实验结果表明，该算法在多组不同参数生成的仿真数据上均具有更好的表现，与现有的因果关系发现方法相比，AUC评分提升了5%-20%。在真实数据集中，该算法能够较好地区分具有不同因果关系的群体，并且能够学习出不同群体之间不同的因果关系，说明本文所提出的算法不仅具有因果关系发现能力，还具有多元时间序列聚类能力。

文章关键词:

论文DOI:10.19678/j.issn.1000-3428.0063674

论文分类号:TP311.13

上一篇：经济体制改革论文_构建高质量金砖伙伴关系
下一篇：没有了