链接合，叉接合，对撞接合 - 版本历史

2022年6月12日 (日) 12:01 是趣木木呀

2022-06-12T12:01:16Z

2022年6月9日 (四) 16:06 是趣木木呀

2022-06-09T16:06:55Z

是趣木木呀：/* 编者推荐 */

2022-06-09T16:03:16Z

编者推荐

我是猫：/* 链接合 */

2022-06-07T13:30:11Z

链接合

2022年6月6日 (一) 12:53 是趣木木呀

2022-06-06T12:53:00Z

是趣木木呀：/* 定义 */

2022-06-05T14:04:03Z

定义

2022年6月5日 (日) 02:26 我是猫

2022-06-05T02:26:55Z

2022年5月30日 (一) 14:10 是趣木木呀

2022-05-30T14:10:45Z

2022年5月16日 (一) 12:39 我是猫

2022-05-16T12:39:48Z

2022年5月16日 (一) 12:36 我是猫

2022-05-16T12:36:28Z

←上一版本		2022年6月12日 (日) 12:01的版本
第1行：		第1行：
−	~~此词条由因果科学读书会词条梳理志愿者我是猫（74989）编撰，未经专家审核，带来阅读不便，请见谅。~~	+	此词条由因果科学读书会词条梳理志愿者我是猫（74989）、趣木木编撰，未经专家审核，带来阅读不便，请见谅。

	参考链接		参考链接

@@ 第4行： / 第4行： @@
 == 定义 ==
-接合(conjunction)是包含两个连接的三节点网络，是所有贝叶斯网络及因果网络的构建模块。接合有三种基本形式：链接合、叉接合、对撞接合
+接合(conjunction)是包含两个连接的三节点网络，是所有贝叶斯网络及因果网络的构建模块。接合有三种基本形式：链接合、叉接合、对撞接合。
 == 贝叶斯网络 ==

@@ 第77行： / 第77行： @@
 [[文件:反叉式-对撞结构实例因果图.png|缩略图|对撞接合举例]]
 第二种叉接合在上节已经举过“鞋的尺码←孩子的年龄→阅读能力”，这里不再赘述，而第三种对撞结构，这里可以用确定用户贷款定价的方式作为例子，理论上来说一个用户的信息越薄，贷款定价越高；收入水平越高，贷款定价越低；而信息的薄厚与收入水平并没有明显的关系，但如果固定了贷款定价之后，可能收入水平越高，用户信息越薄；因为对两者的结果的筛选，导致了两者产生了一定联系。
 == 编者推荐 ==

@@ 第18行： / 第18行： @@
 == 链接合 ==
 第一种结构为链式结构/链接合（也被称为head-to-tail），顾名思义，像一条链子一样，让信息从一端流到另一端。链结合是最简单的接合表现形式。在科学中，人们常常将B视为某种机制，或“中介物”，它将A的效应传递给C。链式结构中的链式与数学中常用的链式法则的链式有着接近相同的含义，指代着因果关系的层层递进，即A为B的因，B又为C的因，每一层的节点（或者说中介物）又屏蔽它的上层和下层；人类是很容易的依靠条件独立性，依靠与生俱来的筛选能力或者推断能力，确定相关信息和无关信息的界限，但是机器并没有这种能力，为机器配置这种因果图是推动机器学习更加鲁棒，更加智能不可或缺的必经之路。
 例：“火灾→烟雾→警报”
@@ 第28行： / 第32行： @@
 == 叉接合 ==
 第二种结构为叉式结构/叉接合（也被称为tail-to-tail），旁边两个边类似一条路的分叉，信息从中间结点传输到两端。在叉接合中，B通常被视作A和C的共因(common cause)或混杂因子(confounder)。混杂因子会使A和C在统计学上发生关联，即使它们之间并没有直接的因果关系。[[文件:叉接合.png|缩略图|叉接合]]
 直接观察图中的叉式结构的形状的话与叉子还有一定的差距，不过因果图中（或者说接合模块）在乎的是不同节点的拓扑关系，将中间节点向上或者向下移动之后就可以看出一个明显的叉子形状，这里中间节点B通常被视为A和C的共因(common cause)或混杂因子（confounder )。混杂因子会使A和C在统计学上发生关联，即使它们没有直接的关系，在pearl的the book of why 中举了一个非常经典例子：“鞋的尺码←孩子的年龄→阅读能力”，穿较大码的鞋的孩子年龄可能更大，所以往往有着更强的阅读能力，但当固定了年龄之后，A和C就条件独立了。换句话说，穿较大码的鞋的孩子往往阅读能力较强。但这种关系是非因果的——给孩子穿大一号的鞋不会让他有更强的阅读能力，相反，这两个变量的变化都可以通过第三个变量，即孩子的年龄来解释。越年长的孩子鞋码越大，他们的阅读能力也越强。
@@ 第35行： / 第43行： @@
 最重要的是第三种，对撞式/反叉式结构，也叫对撞接合（也被称为head-to-head），像两个对撞的小行星一样，信息流入中间的节点。当以变量B为条件时，对撞接合与链接合或叉接合的运作方式正好相反。如果A和C原本是相互独立的，那么给定B将使它们彼此相关。进一步说，根据拓扑学中形式即内容的理念，当我们以中间变量B为条件时（即为某个变量遍历各个指定的值），这种对撞接合的运作方式与叉接合，链接合的运作方式又有所不同，给定B即固定了链接合和叉接合的某一节点的原因，导致A和C至少有一节点固定，从而阻断它们的相关性，而在对撞中给定B则为固定了它们的结果，导致对A和C采取了有偏选取，打乱了随机分布，从而因为两种分布的有偏呈现了一定程度的相关性。
 [[文件:对撞接合.png|缩略图|对撞接合]]
 例：才华→名人←美貌

@@ 第1行： / 第1行： @@
 此词条由因果科学读书会词条梳理志愿者我是猫（74989）编撰，未经专家审核，带来阅读不便，请见谅。
-参考链接<nowiki/>https://zhuanlan.zhihu.com/p/109932832 补充中文文本2500以上
+参考链接
 == 定义 ==
@@ 第8行： / 第8行： @@
 == 贝叶斯网络 ==
 贝叶斯网络的基本结构是一个有向无环图（Directed Acyclic Graph, DAG），由节点（nodes）和节点之间带有单向箭头的连线组成。贝叶斯网络的基础就是通过这三种基础结构形成的。
 == 链接合 ==
-第一种结构链接合（也被称为head-to-tail），顾名思义，像一条链子一样，让信息从一端流到另一端。链结合是最简单的接合表现形式。在科学中，人们常常将B视为某种机制，或“中介物”，它将A的效应传递给C。
+第一种结构为链式结构/链接合（也被称为head-to-tail），顾名思义，像一条链子一样，让信息从一端流到另一端。链结合是最简单的接合表现形式。在科学中，人们常常将B视为某种机制，或“中介物”，它将A的效应传递给C。链式结构中的链式与数学中常用的链式法则的链式有着接近相同的含义，指代着因果关系的层层递进，即A为B的因，B又为C的因，每一层的节点（或者说中介物）又屏蔽它的上层和下层；人类是很容易的依靠条件独立性，依靠与生俱来的筛选能力或者推断能力，确定相关信息和无关信息的界限，但是机器并没有这种能力，为机器配置这种因果图是推动机器学习更加鲁棒，更加智能不可或缺的必经之路。
 例：“火灾→烟雾→警报”
@@ 第20行： / 第27行： @@
 == 叉接合 ==
-第二种结构叉接合（也被称为tail-to-tail），旁边两个边类似一条路的分叉，信息从中间结点传输到两端。在叉接合中，B通常被视作A和C的共因(common cause)或混杂因子(confounder)。混杂因子会使A和C在统计学上发生关联，即使它们之间并没有直接的因果关系。
+第二种结构为叉式结构/叉接合（也被称为tail-to-tail），旁边两个边类似一条路的分叉，信息从中间结点传输到两端。在叉接合中，B通常被视作A和C的共因(common cause)或混杂因子(confounder)。混杂因子会使A和C在统计学上发生关联，即使它们之间并没有直接的因果关系。[[文件:叉接合.png|缩略图|叉接合]]
+直接观察图中的叉式结构的形状的话与叉子还有一定的差距，不过因果图中（或者说接合模块）在乎的是不同节点的拓扑关系，将中间节点向上或者向下移动之后就可以看出一个明显的叉子形状，这里中间节点B通常被视为A和C的共因(common cause)或混杂因子（confounder )。混杂因子会使A和C在统计学上发生关联，即使它们没有直接的关系，在pearl的the book of why 中举了一个非常经典例子：“鞋的尺码←孩子的年龄→阅读能力”，穿较大码的鞋的孩子年龄可能更大，所以往往有着更强的阅读能力，但当固定了年龄之后，A和C就条件独立了。换句话说，穿较大码的鞋的孩子往往阅读能力较强。但这种关系是非因果的——给孩子穿大一号的鞋不会让他有更强的阅读能力，相反，这两个变量的变化都可以通过第三个变量，即孩子的年龄来解释。越年长的孩子鞋码越大，他们的阅读能力也越强。
 对于叉接合，信息从B流向A，也从B流向C，那么A和C就不是独立的。考虑一个更复杂的叉结构：A<-C<-D<-E->G->B  ，信息从E流向A，也流向B，那么A和B就不是独立的。
 == 对撞接合 ==
-最重要的是第三种，反叉式，也叫对撞接合（也被称为head-to-head），像两个对撞的小行星一样，信息流入中间的节点。当以变量B为条件时，对撞接合与链接合或叉接合的运作方式正好相反。如果A和C原本是相互独立的，那么给定B将使它们彼此相关。
+最重要的是第三种，对撞式/反叉式结构，也叫对撞接合（也被称为head-to-head），像两个对撞的小行星一样，信息流入中间的节点。当以变量B为条件时，对撞接合与链接合或叉接合的运作方式正好相反。如果A和C原本是相互独立的，那么给定B将使它们彼此相关。进一步说，根据拓扑学中形式即内容的理念，当我们以中间变量B为条件时（即为某个变量遍历各个指定的值），这种对撞接合的运作方式与叉接合，链接合的运作方式又有所不同，给定B即固定了链接合和叉接合的某一节点的原因，导致A和C至少有一节点固定，从而阻断它们的相关性，而在对撞中给定B则为固定了它们的结果，导致对A和C采取了有偏选取，打乱了随机分布，从而因为两种分布的有偏呈现了一定程度的相关性。
 [[文件:对撞接合.png|缩略图|对撞接合]]
 例：才华→名人←美貌
@@ 第44行： / 第48行： @@
 如何阻断信息在接合中的流动：
-a. 链接和（A→B→C）：控制B可防止有关A的信息流向C或C的信息流向A
+a. 链接合（A→B→C）：控制B可防止有关A的信息流向C或C的信息流向A
 b. 叉接合（A←B→C）：控制B可以防止有关A的信息流向C或C的信息流向A
 c. 对撞接合（A→B←C）：控制B后由于辩解效应的存在，信息会在“管道”中流通

←上一版本		2022年5月30日 (一) 14:10的版本
第1行：		第1行：
	此词条由因果科学读书会词条梳理志愿者我是猫（74989）编撰，未经专家审核，带来阅读不便，请见谅。		此词条由因果科学读书会词条梳理志愿者我是猫（74989）编撰，未经专家审核，带来阅读不便，请见谅。
		+
		+	参考链接<nowiki/>https://zhuanlan.zhihu.com/p/109932832 补充中文文本2500以上

	== 定义 ==		== 定义 ==

←上一版本		2022年5月16日 (一) 12:39的版本
第1行：		第1行：
		+	此词条由因果科学读书会词条梳理志愿者我是猫（74989）编撰，未经专家审核，带来阅读不便，请见谅。
		+
	== 定义 ==		== 定义 ==
	接合(junction)是包含两个连接的三节点网络，是所有贝叶斯网络及因果网络的构建模块。接合有三种基本形式：链接合、叉接合、对撞接合		接合(junction)是包含两个连接的三节点网络，是所有贝叶斯网络及因果网络的构建模块。接合有三种基本形式：链接合、叉接合、对撞接合

←上一版本		2022年5月16日 (一) 12:36的版本
第1行：		第1行：
−	~~待编写~~	+	== 定义 ==
		+	接合(junction)是包含两个连接的三节点网络，是所有贝叶斯网络及因果网络的构建模块。接合有三种基本形式：链接合、叉接合、对撞接合
		+
		+	== 链接合 ==
		+	链结合是最简单的接合表现形式。在科学中，人们常常将B视为某种机制，或“中介物”，它将A的效应传递给C。
		+
		+	例：“火灾→烟雾→警报”
		+
		+	在链结合中，中介物B“屏蔽”(screen off)了从A到C的信息或从C到A的信息。例如，一旦我们知道了烟雾的“值”，关于火的任何新信息便不会再以任何理由让我们增强或削弱对警报的信念。
		+
		+	== 叉接合 ==
		+	在叉接合中，B通常被视作A和C的共因(common cause)或混杂因子(confounder)。混杂因子会使A和C在统计学上发生关联，即使它们之间并没有直接的因果关系。
		+
		+	例：“鞋的尺码←孩子的年龄→阅读能力”
		+
		+	穿较大码的鞋的孩子往往阅读能力较强。但这种关系是非因果的——给孩子穿大一号的鞋不会让他有更强的阅读能力，相反，这两个变量的变化都可以通过第三个变量，即孩子的年龄来解释。越年长的孩子鞋码越大，他们的阅读能力也越强。
		+
		+	== 对撞接合 ==
		+	当以变量B为条件时，对撞接合与链接合或叉接合的运作方式正好相反。如果A和C原本是相互独立的，那么给定B将使它们彼此相关。
		+
		+	例：才华→名人←美貌
		+
		+	若只选著名演员的数据，那么我们就会看到才华与美貌之间出现了负相关，这种负相关可以解释为：发现某位名人并不美貌这一事实，会使我们更相信他富有才华。这种负相关有时被称为对撞偏倚或“辩解”效应(explain-away effect)
		+
		+	== 接合关系与信息流动 ==
		+	因果模型通过三种接合连接起来，构成了系统信息的传输，对于模型上信息的传输可以直观理解为：将连接看作一个管道，管道将信息从X点传递到Y点。其中信息的传递是双向的，既在因果方向传递，也在非因果方向传递，其中重要的是控制非因果路径，容易造成混杂，影响结论。
		+
		+	如何阻断信息在接合中的流动：
		+
		+	a. 链接和（A→B→C）：控制B可防止有关A的信息流向C或C的信息流向A
		+
		+	b. 叉接合（A←B→C）：控制B可以防止有关A的信息流向C或C的信息流向A
		+
		+	c. 对撞接合（A→B←C）：控制B后由于辩解效应的存在，信息会在“管道”中流通