Kauzális kapcsolatok tanulása kényszeralapú algoritmusokkal

OData támogatás
Konzulens:
Dr. Hullám Gábor István
Méréstechnika és Információs Rendszerek Tanszék

Jelen szakdolgozat célja a különböző lokális kauzális felfedező algoritmusok összehasonlítása, valamint ezek használata valós adathalmazon.

Az optimális megoldás megtalálása megfigyelési adatokból NP-nehéz, ehelyett egy heurisztikus, bayesi, score alapú algoritmust alkalmaztam, aminek eredményeit összehasonlítottam a khí-négyzet alapú statisztikai teszttel elérhető eredményekkel. A lokális kauzális kapcsolatfeltárás két részben történik. Először, a változók közötti függőségek kerülnek feltárásra, ez történhet khí-négyzet teszttel, vagy score alapú módszerekkel. Ezt követi a kapott függőségek irányának eldöntése. Erre három, egymást nem kizáró módszer került megvalósításra. Ezek az LCD és a V-struktúra kereső kényszer alapú algoritmusok, és az Y-struktúrák keresése. Lehetőség van továbbá a priori tudás hasznosítására is.

Célom ezeknek az algoritmusoknak az összefogása volt egy kompakt, bővíthető felépítésű, futási idő tekintetében optimalizált és jól párhuzamosított programban, mely könnyen használható akár nagy adatfájlok elemzésére is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.