<p id="xjffz"></p><noframes id="xjffz">

    <form id="xjffz"></form>

    <form id="xjffz"></form>

    <form id="xjffz"></form>

      <noframes id="xjffz">

          <noframes id="xjffz">

          學術科研

          程德波博士做“Local Search for causal effect estimation”學術報告

          發布日期:2021-07-30 發表者:陳治國 瀏覽次數:



             (文|王博文 馮在文 審核人|李國亮)7月29日下午,信息學院“Happy Hour”本學期第15期學術交流會通過線上平臺舉行。應我院馮在文副教授邀請,南澳大學計算機系程德波博士作了題為“Local Search for causal effect estimation”的學術報告。


             程德波博士首先介紹了因果關系推理在大數據分析中的重要作用。因果關系比傳統統計學中的相關關系強很多,屬于強人工智能范疇,在醫學、經濟學以及計算機科學等領域有廣泛應用。程德波隨后說明了因果推斷強調隨機化控制實驗設計,相關關系并不代表因果關系。在分析因果效應中,對數據的因果分析應以隨機化實驗為基礎,對潛在結果進行建模。通過科學實驗設計,使數據呈現因果效應。應盡量避免模型設定或函數形式之類的假設,從而更好識別因果關系,計算出因果效應。


             程德波博士隨后講解了因果圖模型的概念和用來判斷變量間是否條件獨立的d-分離準則。相對于傳統統計學推斷方法,因果推理需進行一些干預操作。通過進行一些對比試驗,來對可觀測變量進行判斷是否是真正的影響因子,程德波還講解了“后門準則”,用來消除混雜因子,從而消除一些“偽相關”,找出真正因果關系。僅僅使用概率統計分析工具,并不足以得到數據的因果判斷。


             緊接著,程德波博士介紹了一種高效率的“Local search for causal inference”方法。這是程德波目前正在進行的一項關于統計因果推理的研究?;诮o出的Maximal Ancestral Graph(MAG)方法,通過local search方法對可調整集進行挖掘,從具有潛在變量的的數據中找到有效調整集。通過有效的局部因果結構發現和識別調整集,并基于這些理論提出CE2LS算法,從帶有潛在隱變量的數據中估計因果效應。實驗證明相對于之前的PRE,EHS算法,CE2LS在大規模因果圖中挖掘因果關系,在性能上有了很大提升。


             報告結束,馮在文副教授和高軍教授等師生就因果關系推理中感興趣的話題與程德波博士進行了深入交流,會議在輕松自由交流環節中結束,師生表示收獲頗豐。


          久久草大香蕉-91国产福利在线观看-人人看人人碰-VA欧美国产在线视频