Saya belajar Model Grafis Probabilistik , sebuah buku untuk belajar mandiri. Apakah tepi dalam grafik asiklik terarah (DAG) mewakili hubungan sebab akibat?
Bagaimana jika saya ingin membangun jaringan Bayesian , tetapi saya tidak yakin tentang arah panah di dalamnya? Semua data akan memberi tahu saya adalah korelasi yang diamati, bukan keterkaitan di antara mereka. Saya tahu saya terlalu banyak bertanya, karena saya yakin bab berikut akan membahas masalah ini, tetapi hanya saja saya tidak bisa berhenti memikirkannya.
sumber
Seperti kata Zhubarb, tidak ada kesepakatan menyeluruh tentang masalah ini. Jadi, saya akan melemparkan satu perspektif lagi yang belum dibahas. Untuk DAG kausal, struktur kausal sering dianggap dikodekan oleh tidak adanya panah. Di bawah kerangka kerja ini, anak panah bisa jadi kausal atau tidak, tetapi panah yang hilang harus sangat dipercaya atau diketahui bukan kausal. Ini mungkin tidak berlaku secara luas untuk Bayesian Networks, tetapi karena Anda memulai pertanyaan Anda secara lebih umum, saya pikir itu perlu diperhatikan.
Juga, jika Anda ingin mempelajari jaringan, itu tidak akan dapat memberi tahu Anda arah panah, karena asosiasi mengalir kedua arah di sepanjang panah. Anda harus membuat beberapa asumsi tentang directionality atau memaksakan beberapa informasi tentang pemesanan temporal.
sumber