卡方检验

使用卡方检验对离散变量进行独立性检验。

用法

from causallearn.utils.cit import CIT
chisq_obj = CIT(data, "chisq") # construct a CIT instance with data and method name
pValue = chisq_obj(X, Y, S)

请注意，自版本 v0.1.2.8 发布以来，我们已将独立性检验从函数重构为类。这带来了速度提升和更灵活的参数指定方式。

对于用户，您可能需要相应地调整您的代码。具体来说，如果您正在

• 端到端地运行基于约束的算法：则无需进行任何更改。旧代码仍然兼容。例如，

from causallearn.search.ConstraintBased.PC import pc
from causallearn.utils.cit import chisq
cg = pc(data, 0.05, chisq)

• 显式计算检验的 p 值：那么您需要声明 chisq_obj，然后如上所述调用它，而不是像以前那样使用 chisq(data, X, Y, condition_set)。请注意，现在 causallearn.utils.cit.chisq 是一个字符串 "chisq"，而不是一个函数。

有关 (条件) 独立性检验实现的更多详细信息，请参阅 CIT.py。

参数

data: numpy.ndarray, 形状 (n_samples, n_features)。数据，其中 n_samples 是样本数量，n_features 是特征数量。

method: 字符串，“chisq”。

kwargs: 例如，cache_path。详见 高级用法。

返回值

p: 检验的 p 值。