CDKM：基于K-means聚类的因果分解

作     者：韦慧娴 韦程东 陈少凡 何国源 李冶通 

作者机构：南宁师范大学数学与统计学院 广西科学院《广西科学》编辑部 贺州学院经济与管理学院 

出 版 物：《广西科学》 (Guangxi Sciences)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(11561010)资助 

主　　题：因果发现 因果分解 K-means聚类 因果网络 条件独立性测试 

摘      要：冗余的条件独立性测试严重影响了因果发现中基于约束方法的效率和准确性。针对这一问题，提出了一种基于K-means聚类的因果分解方法（Causal Decomposition Method Based on K-means Clustering，CDKM）。CDKM利用K-means聚类将原始因果发现问题划分为多个子因果发现问题，然后再将子因果网络合并得到完整的因果网络。CDKM首先利用K-means聚类将原始变量集分割成■个簇；其次在每个簇中加入其他簇中相关距离最小的两个节点，得到更新后的■个簇；然后在每个簇上进行因果发现，得到各个子因果网络；最后将每一个子因果网络合并得到一个完整的因果网络。CDKM既避免了使用高阶条件独立性测试进行分解，又减少了冗余的条件独立性测试，相比递归型基于约束的方法，CDKM可以将原始变量集任意分割。在8个数据集上的实验结果表明，CDKM可以极大地加速因果发现，降低了时间复杂度，且精准度优于基线模型。