报告人:李长城
报告地点:腾讯会议ID:122 879 842
报告时间:2022年12月13日星期二15:00-16:00
报告摘要:
因果图学习旨在构建一个有向无环图(directed acyclic graph, DAG)来代表变量之间的直接因果关系。因果图学习有助于我们理解数据背后的机制。在高维数据集中,经典的因果图学习算法往往会遗漏重要的因果关系和因果路径。针对这一问题,我们提出了一种新的因果图学习算法,并将这一新的因果图学习算法应用在了流行病学数据集上。我们的结果表明:新的算法相比于经典的算法保留了更多关于重要因果关系和潜在因果路径的信息。
主讲人简介:
李长城,大连理工大学数学科学学院教授。本科就读于北京大学数学科学学院,获得统计学学士学位;博士阶段师从美国宾夕法尼亚州州立大学统计系李润泽教授,进行高维统计领域的学习,获得统计学博士学位。研究兴趣主要包括高维统计推断及高维因果推断。在高维统计的理论、应用以及计算方面进行了一系列研究,部分文章发表于一流学术期刊Journal of American Statistical Association、Journal of Econometrics、Annals of Applied Statistics、Statistica Sinica等,入选国家级青年人才计划。