典型文献
基于马尔科夫边界发现的因果特征选择算法综述
文献摘要：
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(～xingyuwu/MB.html),汇总该领域常用的算法包和数据集.
文献关键词：
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
中图分类号：
作者姓名：
吴兴宇;江兵兵;吕胜飞;王翔宇;陈秋菊;陈欢欢
作者机构：
中国科学技术大学 计算机科学与技术学院 合肥230027;杭州师范大学 信息科学与工程学院 杭州311121;南洋理工大学 计算机科学与工程学院 新加坡 639798 新加坡;中国科学技术大学 信息科学技术学院 合肥230026
文献出处：
引用格式：
[1]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(05):422-438
A类：
马尔科夫边界,xingyuwu,马尔科夫毯
B类：
因果特征选择,特征选择算法,学习目标,因果关系,可解释性,单重,每类,数据依赖,半监督,多标签,标签数据,多源数据,流数据,资料库,MB,html,总该,因果学习,贝叶斯网络
AB值：
0.21939
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
