CN119539041A 一种基于蒙特卡洛树的自适应因果发现方法及设备 (宁夏大学)_第1页
CN119539041A 一种基于蒙特卡洛树的自适应因果发现方法及设备 (宁夏大学)_第2页
CN119539041A 一种基于蒙特卡洛树的自适应因果发现方法及设备 (宁夏大学)_第3页
CN119539041A 一种基于蒙特卡洛树的自适应因果发现方法及设备 (宁夏大学)_第4页
CN119539041A 一种基于蒙特卡洛树的自适应因果发现方法及设备 (宁夏大学)_第5页
已阅读5页,还剩24页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于蒙特卡洛树的自适应因果发现方本发明提供一种基于蒙特卡洛树的自适应现算法集合A,利用训练集及路径组合训练梯度节点得出的因果图中的所有因果关系使用投票2步骤S4,运行蒙特卡洛树,根据每个节点得出的因果步骤S5,计算出完整算法路径中各节点的探索奖励和性最高的因果发现算法路径,利用路径中各节点组成的因果算法组合探究所述因果发现任步骤S11,若元素集合Dm中各元素表现为连续型,则定义所述元素集合Dm的类型为步骤S12,若元素集合Dm中各元素表现为离散型,则定义所述元素集合Dm的类型为步骤S21,构建所述因果发现算法集合A,并按照因型对集合A进行划分,得到算法集合Ai,i∈{continuous,discrete},其中,算法集合步骤S22,根据集合类型划分所述训练集Dtrain,得到两个训练集Dtrain-i,i∈F(xn)=w1n)+w2n)+w3n)-w4为权3步骤S233,建立训练集{p(xn),F(xn))},使用训练集(p(xn),F(xn))}训练所述代理模型Score(s,a)=Q(s,a)+U(4Fb<N,使用均方误差Loss和决定系数评估代理模型预测所述代理模型Fb的性能数据并9.一种存储有计算机指令的非瞬时计算机可读存储介567[0021]步骤S22,根据集合类型划分所述训练集Dtrain,得到两个训练集Dtrain-i,i∈集Dtrain-i中对每个路径运行集合Ai中的因果发现算法aij,生成因果图并计算性能评分Fn)+w2n)SHD(xn)表示路径xn的结构汉明距离,AUPRC(xn)表示路[0027]步骤S233,建立训练集使用训练集{(p(rn),F(rn))}训练所述代理8z*中的所有因果关系使用投票选举的方式9nnN,使用均方误差Loss和决定系数评估代理模型预测所述代理模型Fb的性能[0065]图3以含有五个变量的连续观测数据集为例在最优算法配置上使用集成学习预测[0066]以下结合本发明的附图,对本发明的技术方案以及技术效果做进一步的详细阐Fb预测待扩展路径的性能评分,根据路径扩展到节点的性能预期和探索奖励选定子节点,[0077]步骤S11,若元素集合Dm中各元素表现为连续型,则定义元素集合Dm的类型为[0078]步骤S12,若元素集合Dm中各元素表现为离散型,则定义元素集合Dm的类型为集Dtrain-i中对每个路径运行集合Ai中的因果发现算法aij,生成因果图并计算性能评分Fn)+w2n)SHD(xn)表示路径xn的结构汉明距离,AUPRC(xn)表示路[0089]TPR(TruePositiveRate,真正例率):实际存在的因果关系中被正确识别的比[0092]步骤S233,建立训练集使用训模型Fb预测蒙特卡洛树中当前路径s选择扩展到候选节点a的性能,得到预测的性能评分Fbz*中的所有因果关系使用投票选举的方式[0127]本发明提供一种自适应因果发现方法的装置,参考图2所示,包括算法配置模块[0132]面通过一个实施例加以说明:现有连续型与离散型观测数据集集合{Dcontinuous,Adiscreted1合以及对应的统计信息θ在对应的因果算法集成环境中运行,并获取初始的算法性能集合[0136]第三,在Dcontinuous与Ddiscrete的基础上并结合两个不同类型数据集中的θ,根能数据延路径回传至根节点并再次传至F的训练数据集当中,随后根据上述方案当中计算量为例)参考图3所示。在Ddiscrete上的算法配置使用集成学习同图3流程获得最终的预测因以根据存储在只读存储器(ROM)中的计算机程序或者从存储单元加载到随机访问存储器信单元。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备[0141]计算单元可以是各种

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论