因果模型和有向图模型之间有什么区别？因果关系和定向概率关系之间有什么区别？更具体地说，您将在DirectedProbabilisticModel类的界面中放置什么，在CausalModel类的界面中放置什么？一个会从另一个继承吗？
最佳答案
Judea Pearl的因果关系是一本必读的书。
区别在于，一个是因果关系，另一个仅是统计因果关系。在解雇我为重言式俱乐部成员之前，请先听我说完。
有向概率关系（又称“条件概率表”的完整集合，即贝叶斯网络）仅包含统计信息。意味着可以从“联合概率”表中推断出的任何内容都可以从有向概率关系中推断出，仅此而已。两者是等效的。
因果关系完全是另外一回事。因果关系（AKA因果贝叶斯网络）必须指定在任何可变干预下会发生什么。干预是指将变量强制为超出模型正常影响范围的值。这等效于替换强制变量（或多个变量，但为了简单起见，我们只考虑其中之一）的条件概率
带有一个新表，其中变量以概率1取其强制值。
如果这样做没有意义，请跟进，我将进行澄清。
添加此部分以在评论中解决尼尔的问题
尼尔问：
你如何确定方向
定向概率关系
没有进行干预？在
换句话说，不是定向
图形模型有因果关系
其中的信息（即信息
关于概率的条件
干预？）
您可以通过进行其他非统计假设来确定有向概率关系的方向。这些假设通常包括：假设没有隐藏变量，并且是真正重要的假设，假设在联合分布中发现的条件独立关系是稳定的（意味着它们不是偶然或抵消存在的）。贝叶斯网络不做这些假设。
有关如何恢复方向的详细信息，请研究IC，PC和IC *算法。我相信IC的具体细节涵盖在："A Theory of Inferred Causation"