Estoy estudiando modelos gráficos probabilísticos , un libro para el autoaprendizaje. ¿Los bordes en un gráfico acíclico dirigido (DAG) representan relaciones causales?
¿Qué sucede si quiero construir una red bayesiana , pero no estoy seguro de la dirección de las flechas en ella? Todos los datos me dirán las correlaciones observadas, no la interconexión entre ellas. Sé que estoy pidiendo demasiado, ya que estoy seguro de que los siguientes capítulos abordarán estos problemas, pero es que no puedo dejar de pensar en ello.
fuente
Como dijo Zhubarb, no existe un acuerdo general sobre este tema. Entonces, arrojaré una perspectiva más que aún no se ha cubierto. Para los DAG causales, la estructura causal a menudo se considera codificada por la ausencia de flechas. Bajo este marco, las flechas pueden ser causales o no, pero se debe creer firmemente que las flechas faltantes o saber que no son causales. Esto puede no ser ampliamente aplicable a Bayesian Networks, pero desde que comenzó su pregunta de manera más general, creo que vale la pena señalar.
Además, si desea aprender una red, no podrá indicarle la dirección de las flechas, porque la asociación fluye en ambos sentidos a lo largo de las flechas. Debe hacer algunas suposiciones sobre la direccionalidad o imponer alguna información sobre el ordenamiento temporal.
fuente