(条件)独立性检验

在本节中，我们将介绍 causal-learn 中的(条件)独立性检验。目前我们提供了 Fisher-z 检验 [1]、缺失值 Fisher-z 检验、卡方检验、基于核的条件独立性 (KCI) 检验和独立性检验 [2]，以及 G方检验 [3]。

（对于更高效的非参数检验，您可以尝试 FastKCI 和 RCIT。这两种实现都还处于初步阶段，可能存在一些问题。）

目录

• Fisher-z 检验
• 缺失值 Fisher-z 检验
• 卡方检验
• 基于核的条件独立性 (KCI) 检验和独立性检验
• G方检验

[1]

Fisher, R. A. (1921). On the’probable error’of a coefficient of correlation deduced from a small sample. Metron, 1, 1-32.

[2]

Zhang, K., Peters, J., Janzing, D., & Schölkopf, B. (2011, July). Kernel-based Conditional Independence Test and Application in Causal Discovery. In 27th Conference on Uncertainty in Artificial Intelligence (UAI 2011) (pp. 804-813). AUAI Press.

[3]

Tsamardinos, I., Brown, L. E., & Aliferis, C. F. (2006). The max-min hill-climbing Bayesian network structure learning algorithm. Machine learning, 65(1), 31-78.