标签
提出了一个非参数混合框架 DECO，通过从观测数据中提取依赖性与方向性证据，在精确 DAG 结构学习之前剪除不受数据支持的父集配置，从而指数级缩小搜索空间，同时在基准贝叶斯网络与合成 DAG 上保持竞争力的结构恢复性能。
本文分析了在潜在混杂下线性高斯网络中贝叶斯因果发现如何失败，推导出一个导致评分函数偏好虚假边的相关性阈值，并刻画了两种不同的后验失败模式。