محققان در مقاله جدیدی، الگوریتم هوشمند «SkewD» را معرفی کردهاند که به طور خاص برای «کشف علیت» (Causal Discovery) در مدلهایی با نویزهای نامتقارن طراحی شده است.
مشکل اصلی در مدلهای قبلی این بود که آنها فرض میکردند نویزها نرمال و متقارن هستند، اما در دنیای واقعی، دادهها اغلب با نویزهای پیچیده و نامتقارن (Skewed) روبرو هستند. SkewD با بهرهگیری از مدلهای آماری پیشرفته، میتواند دقیقتر از گذشته تشخیص دهد که کدام متغیر، علت و کدام معلول است، حتی اگر نویزهای سیستم کاملاً غیرعادی باشند. این دستاورد یک گام رو به جلو برای مدلهای یادگیری ماشین است که با دادههای خام و نویزدار دنیای واقعی سر و کار دارند. 📊✨
منبع: arXiv Machine Learning