558
个编辑
更改
跳到导航
跳到搜索
第6行：
第6行： − + − 一个<math>y+ + + + + + + + + + + + + + 第17行：
第30行： − + + + + + + + + + + + + + + + + + + + + + + + − +
→随机映射
==连续空间随机映射==
==连续空间随机映射==
===随机映射===
===随机映射与观测噪声===
形如<math>y=f(x)+\varepsilon, \varepsilon\sim\mathcal{N}(0,\epsilon^2)
</math>的随机映射，可以分为两部分，确定映射和随机噪声。 其表达了从<math>x
</math>所处空间<math>\mathcal{X}
</math>到从<math>y
</math>所处空间<math>\mathcal{Y}
</math>的随机映射。随机映射可以用转移概率<math>p(y|x)=\mathcal{N}(f(x),\epsilon^2)
</math>的形式表达。
确定部分为一个<math>y
</math>关于<math>y
</math>关于<math>y
</math>因果模型可以用<math>y=f(x)
</math>因果模型可以用<math>y=f(x)
</math>所处空间<math>\mathcal{Y}
</math>所处空间<math>\mathcal{Y}
</math>的映射。
</math>的确定映射。它反映了整个系统内在的实际因果机制。
随机噪声<math>\varepsilon\sim\mathcal{N}(0,\epsilon^2)
</math>是由于观测工具的缺陷或估读偏差所产生的误差，这种误差产生的噪声被称为观测噪声，观察噪声导致了系统的不确定性，使<math>y
</math>变为与<math>f(x)
</math>相关，但具有随机性的变量。
=== 人工干预与干预噪声 ===
为了更好的判断两个变量的因果关系，而不受到其他变量影响，我们需要引入能够影自变量<math>x
</math>分布的干预措施<math>do(x)
</math>。最常用且最有效的方法，是让<math>x
</math>服从均匀分布，即<math>do(x)\sim U[-L/2,L/2]
</math>，<math>L
</math>是干预后均匀分布的超参数。
===数据隐私（Data Privacy）===
===有效信息EI===
数据隐私（data privacy）是2018年公布的计算机科学技术名词。可以定义为：
数据隐私（data privacy）是2018年公布的计算机科学技术名词。可以定义为：