| 基于马尔科夫边界发现的因果特征选择算法综述 |
| |
| 引用本文： | 吴兴宇,江兵兵,吕胜飞,王翔宇,陈秋菊,陈欢欢.基于马尔科夫边界发现的因果特征选择算法综述[J].模式识别与人工智能,2022(5):422-438. |
| |
| 作者姓名： | 吴兴宇 江兵兵 吕胜飞 王翔宇 陈秋菊 陈欢欢 |
| |
| 作者单位： | 1. 中国科学技术大学计算机科学与技术学院;2. 杭州师范大学信息科学与工程学院;3. 南洋理工大学计算机科学与工程学院;4. 中国科学技术大学信息科学技术学院 |
| |
| 基金项目： | 国家自然科学基金项目（No.62137002,62006065）；;安徽省科技重大专项项目（No.202103a07020002）；;中央高校基本科研业务费专项资金（No.WK2150110019,WK2100000027）资助~~； |
| |
| 摘 要： | 因果特征选择算法(也称为马尔科夫边界发现)学习目标变量的马尔科夫边界，选择与目标存在因果关系的特征，具有比传统方法更好的可解释性和鲁棒性.文中对现有因果特征选择算法进行全面综述，分为单重马尔科夫边界发现算法和多重马尔科夫边界发现算法.基于每类算法的发展历程，详细介绍每类的经典算法和研究进展，对比它们在准确性、效率、数据依赖性等方面的优劣.此外，进一步总结因果特征选择在特殊数据(半监督数据、多标签数据、多源数据、流数据等)中的改进和应用.最后，分析该领域的当前研究热点和未来发展趋势，并建立因果特征选择资料库(http://home.ustc.edu.cn/～xingyuwu/MB.html),汇总该领域常用的算法包和数据集.
|
| 关 键 词： | 马尔科夫边界 特征选择 因果学习 因果特征选择 贝叶斯网络 马尔科夫毯 |
|
|
