13:04arXiv cs.LG@Hazhir Aliahmadi, Irina Babayan, Greg van Anders精选传统贝叶斯网络通过优化生成有向无环图(DAG)来建模因果关系,但真实数据常允许多种因果链,导致优化结果可能包含伪影。本文提出基于熵推断的方法,生成与数据一致的因果图谱集(causal atlases),量化因果关系的结构模糊性。在2节点和20节点的线性结构方程模型模拟噪声数据上,该方法采样最大熵图集,发现“最优”DAG中存在不一致的因果伪影。这为数据驱动的因果发现提供了更忠实于数据变异的框架。论文因果推断贝叶斯网络熵推断DAG结构模糊性推荐理由:因果发现领域长期依赖单一最优DAG,但真实数据往往支持多种解释——这篇论文用熵推断解决了这个痛点,做因果推断或复杂系统建模的研究者值得关注,方法可直接用于评估因果结构的稳健性。原文