求真分享 http://blog.sciencenet.cn/u/zlyang 求真务实

博文

[资料汇集] 判断因果性

已有 3653 次阅读 2021-12-18 19:46 |系统分类:科研笔记

[资料汇集] 判断因果性

            

britannica   John Stuart Mill, carte de visite, 1884_副本.jpg

密尔 (John Stuart Mill),

https://www.britannica.com/biography/John-Stuart-Mill

            

   对于客观存在的因果关系判断,目前人类还没有 100%可靠的方法。采用多种信息、长期资料等,可以有效增加因果关系判定的真实性。

                 

一、相关性与因果性

   如果变量 A 和 B 高度正相关或者高度负相关,那么,只有以下五种可能性:

   ① A 导致 B,就是说,A 是因 B 是果;

   ② B 导致 A,就是说,B 是因 A 是果;

   ③ A 导致 B,还有 B 导致 A,这就是说 A 和 B 互为因果;

   ④ C 导致 A 和 B,就是说,C 是因,A 和 B 都是果;

   ⑤ 小样本引起的巧合。

    

   请教:还有没有

   ⑥ 其它情况。感谢您的补充!

           

二、密尔求因果五法 Mill's five methods in searching of causal connections

   求同法、求异法、求同求异并用法、共变法、剩余法。

               

三、人工智能里的因果推理(2个基本定律)

3.1  2011年图灵奖获得者Judea Pearl教授,《Causality:Models, Reasoning and Inference》

   JUDEA PEAR, United States – 2011, A.M. Turing Award Laureate

https://amturing.acm.org/award_winners/pearl_2658896.cfm

   For fundamental contributions to artificial intelligence through the development of a calculus for probabilistic and causal reasoning.

    

   JUDEA PEARL, Computer Science Department Cognitive Systems Lab, University of California, Los Angeles

http://bayes.cs.ucla.edu/jp_home.html

    

3.2  Judea Pearl 三个因果层级[4,5]

Judea Pearl 图4 三个因果层级,参见书籍[2].png

   第一层是关联(Association),它涉及由数据定义的统计相关性。大多数机器学习系统围绕这一层运行。

   第二层是干预(Intervention),不仅涉及到能看到什么,还涉及一个干预或行动将会导致什么结果。作为例子,Pearl 提了一个问题:“如果我们把价格翻倍,将会发生什么?”

   第三层是反事实(Counterfactual),是对以前发生的事情的反思和溯因,解决的是“如果过去作出不一样的行为,现在的结果会有何不同?”的问题。


3.3  Judea Pearl 因果推理的两大基本定律[4,5]

Judea Pearl 图5 因果推理的两大基本定律.png

   第一个定律是关于反事实的信息,可以推演出需要使用函数来刻画变量之间的因果关系。

   而第二个定律刻画了因果图结构,因果图上每个每条缺失的边都意味着在给定某些变量下的条件独立性,可用它做模型检验,结构学习和因果问题的符号演算。

https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/106953104

        

           

参考资料:

[1] 密尔求因果五法 - 中文百科专业版

http://zy.zwbk.org/index.php?title=%E5%AF%86%E5%B0%94%E6%B1%82%E5%9B%A0%E6%9E%9C%E4%BA%94%E6%B3%95

  密尔求因果五法(汉语拼音:Mi'er qiu yinguo wu fa;英语:Mill's five methods in searching of causal connections),19世纪英国哲学家密尔在《逻辑体系》中提出的判明因果联系的方法。这是传统逻辑归纳部分的核心内容。

  契合法(求同法):若在所研究的现象出现的若干场合中,只有一个情况是共同的,则这个共同的情况与所研究的现象之间有因果联系。

  差异法(求异法):若所研究的现象出现的场合与它不出现的场合之间,只有一点不同,即在一个场合中有某情况出现,而在另一场合中该情况不出现,则该情况与所研究的现象之间有因果联系。

  契合差异并用法(求同求异并用法):若在所研究现象出现的各个场合中,都存在一共同情况,而在所研究现象不出现的各个场合中都没有该情况,则该情况与所研究现象之间有因果联系。

  变法:若每当某现象发生一定程度的变化时,另一现象也随之发生一定程度的变化,则这两现象之间有因果联系。

  剩余法:若已知某一复合现象是另一复合现象的原因,又知前者中某一部分是后者中某一部分的原因,则前者的其余部分与后者的其余部分有因果联系。

   这些方法是经验的概括,不能保证从真的前提得到其结论。密尔求因果五法在实验科学中的作用十分重要。

  密尔在阐述这些方法时提出了自然齐一律:自然界的进程是齐一的。这可以理解为:在自然界中,凡发生一次的事,在相似的情况下不仅会再发生而且会一再发生。它是归纳法的根本原理。归纳法之所以成立还有赖于称为普遍因果律的假定:每一事件必有某种原因、某种先行条件的存在,此种存在使得该事件不可改变地随之而发生。密尔强调,自然齐一律、普遍因果律本身也是归纳法的例证。

[2] 陈德旺, 2021-10-14, 图灵奖得主点评诺贝尔经济学奖的启示 精选

https://blog.sciencenet.cn/blog-57940-1307908.html

[3] 朱豫才, 2021-07-20, 人的多变量动态无能

https://blog.sciencenet.cn/blog-862928-1296263.html

[4] CSDN,2020-06-24,图灵奖得主Judea Pearl:从“大数据革命”到“因果革命”

https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/106953104

[5] 搜狐,2020-06-23,图灵奖得主Judea Pearl 智源大会演讲:从“大数据革命”到“因果革命”

https://www.sohu.com/a/403796321_120209831

[6] 机器之心报道,2019-06-19,一场因果革命,Judea Pearl最新力作《为什么》中文版发布

https://baijiahao.baidu.com/s?id=1636702437908995804&wfr=spider&for=pc

相关链接:

[1] 2013-06-30, 《中国“科学网大学”逻辑基础研讨中心》活动之四:因果性与逻辑

https://blog.sciencenet.cn/blog-107667-703983.html

[2] 2020-07-20, [严肃内容] 鲁索(Rousseau)教授对皮尔逊相关系数实质认识的图示

https://blog.sciencenet.cn/blog-107667-1242781.html

[3] 2021-07-12, [资料] 罗素的火鸡(Russell’s turkey)

https://blog.sciencenet.cn/blog-107667-1295207.html

[4] 2021-02-02, 那些都是好时光 Those were all good days

https://blog.sciencenet.cn/blog-107667-1270201.html

[5] 2015-03-30, [求助] 哥德尔(Kurt Gödel )一句话的英文原文

https://blog.sciencenet.cn/blog-107667-878552.html

[6] 2014-01-16, 大师、预言家与哥德尔不完全性定理

https://blog.sciencenet.cn/blog-107667-759673.html

               

感谢您的指教!

感谢您指正以上任何错误!

感谢您提供更多的相关资料!



https://blog.sciencenet.cn/blog-107667-1317132.html

上一篇:[讨论] 科学:统称,现代西方科学,中国古代科学,……
下一篇:[讨论] “早发表,晚评价”的一些古人论述
收藏 IP: 202.113.11.*| 热度|

14 李宏翰 范振英 檀成龙 刘炜 刘秀梅 尤明庆 周忠浩 许培扬 李毅伟 宁利中 曾杰 朱林 杨学祥 吴国林

该博文允许注册用户评论 请点击登录 评论 (14 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-7 17:51

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部