慕尼黑工业大学 发布 causalAssembly 数据集, 应用在 因果发现、数据生成 领域

慕尼黑工业大学 本次发布的数据集 causalAssembly, causalAssembly是由慕尼黑工业大学和Robert Bosch GmbH合作开发的一个半合成数据生成工具，用于评估因果发现方法。该数据集基于一个复杂的真实世界数据集，该数据集包含在制造环境中的装配线上的测量数据。通过详细研究装配线物理过程的基础，研究人员建立了一组部分真实的因果关系。为了解决潜在的混杂因素和隐私问题，使用分布随机森林来估计和表示由真实因果图暗示的条件分布。这些条件分布被组合成一个严格遵循观测变量因果模型的联合分布。通过从该分布中采样，causalAssembly生成的数据保证与真实情况下的马尔可夫性质一致。该工具展示了如何基准测试几种著名的因果发现算法，适用于复杂的生产数据，旨在解决因果关系学习中的验证问题。

查看causalAssembly

README 内容： 

关于 慕尼黑工业大学 , 慕尼黑工业大学是位于德国的一所世界顶级研究型大学，以其在工程学、自然科学和生命科学等领域的卓越研究和教育而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。