技术编号：16857170
提示：您尚未登录，请点 登 陆 后下载，如果您还没有账户请点 注 册 ，登陆完成后，请刷新本页查看技术详细信息。本发明涉及机器学习技术领域，尤其是一种适用于多个隐混杂因子数据的因果网络发现方法及系统。背景技术随着大数据时代的到来，在很多领域中，发现事物之间存在的因果关系可以帮助人们从大量数据中发现潜在的信息，理解事物背后发生的真实机制。然而，如何从数据中有效地挖掘因果关系，将其利用到我们生活中的各个领域，是一直研究的热点问题。虽然Shimizu等人提出的线性非高斯无环模型(LiNGAM)因为容易理解和从数据中估计因果关系，而被广泛地使用，但由于实际情况下大多数数据含有隐混杂因子(即不可观测的变量)，从这些...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考，增加技术思路，做技术知识储备，不适合论文引用。
请注意，此类技术没有源代码，用于学习研究技术思路。