48
个编辑
更改
跳到导航
跳到搜索
第39行：
第39行： + + 第48行：
第50行： + + + 第60行：
第65行： − +
无编辑摘要
== d-分离算法 ==
== d-分离算法 ==
=== 算法 ===
d-分离算法的基本思路如下：
d-分离算法的基本思路如下：
具体的算法可参考文献<ref>Geiger D, Verma T, Pearl J. d-separation: From theorems to algorithms[M]//Machine Intelligence and Pattern Recognition. North-Holland, 1990, 10: 139-148.</ref>。
具体的算法可参考文献<ref>Geiger D, Verma T, Pearl J. d-separation: From theorems to algorithms[M]//Machine Intelligence and Pattern Recognition. North-Holland, 1990, 10: 139-148.</ref>。
=== 代码实现 ===
Python开源包NetworkX中包含[https://networkx.org/documentation/stable/reference/algorithms/d_separation.html D-Separation]算法的实现。
== d-分离与因果推断 ==
== d-分离与因果推断 ==
后门调整是[[Do演算|do-演算]]的一种特例，找出满足后门准则的变量集W，给定W即可将干预下的条件分布识别为统计意义下的含W的条件分布，从而来计算变量间的因果效应<ref>Pearl J. Causality[M]. Cambridge university press, 2009.</ref>。后门准则中寻找的变量集，实际上就是对结果变量Y和干预变量T之间寻找d-分离变量集Z。
后门调整是[[Do演算|do-演算]]的一种特例，找出满足后门准则的变量集W，给定W即可将干预下的条件分布识别为统计意义下的含W的条件分布，从而来计算变量间的因果效应<ref>Pearl J. Causality[M]. Cambridge university press, 2009.</ref>。后门准则中寻找的变量集，实际上就是对结果变量Y和干预变量T之间寻找d-分离变量集Z。
== 参考文献 ==
<references>''<math>\mathbf{Z} </math>''</references>
<references>''<math>\mathbf{Z} </math>''</references>