城市里每一条地铁线路，都要经过交通规划局的评审打分。审批官手里有一张固定的评估表：这条线路经过哪些站、站与站之间挨不挨着、有没有换乘枢纽、全程跑完要多少预算。至于列车具体是顺时针开还是逆时针开、先到哪一站——评估表上一律不作区分。也就是说，两个只把行车方向整体掉头的方案，审批分数会一模一样。 这听起来有点不可思议，但恰恰是“基于分数的因果发现”里一个躲不开的核心性质——评分等价性（score equivalence）。在 AI 世界里，我们常想从一堆观测数据里猜出变量之间的因果方向（是 X 导致了 Y，还是 Y 导致了 X？），最常见的思路就是给每个候选因果图打分，然后挑分数最高的。可评分等价性告诉我们：有些结构不同的图，只是因为箭头方向整体反转，打出来的分数居然完全相同——就像同一批站点、同一种连通关系的地铁，只是行车方向相反，审批分数完全一样。 这篇文章就带你在“地铁评估表”的比喻里，看懂评分等价性从哪来、会带来什么麻烦、又该怎么绕过它。

岗位关联

搞懂评分等价性，你就能在因果发现中精准定位“方向盲区”，知道何时该相信分数、何时必须靠 V 结构或实验来定方向——这是从“会跑代码”到“读懂结果”的关键一步。

目录
  1. 可视化演示
  2. 核心概念：评分函数与因子分解
  3. 马尔可夫等价：同样的骨架，不同的跑法
  4. 评分等价原理：为什么分数必然打平
  5. 关键算法：GES 的加加减减
  6. 等价类区分：V 结构与干预实验
  7. 性能优化：只算变化的部分
  8. 实践应用：从工具到业务决策
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化 处理流程：输入→处理→模型→输出 性能监控：实时指标 P=L×T

核心概念：评分函数与因子分解

地铁规划局评审一条新线路，从来不是凭感觉拍板，而是用一张评估表给各种方案打总分。评估表上写得很清楚：这条线一路能拉来多少客流（数据拟合得好不好），以及沿途要盖多少站、维护多复杂（结构复杂度付出的代价）。总评分的算法并不神秘——就是“客流收益 + 建设维护成本调整”这两块拼起来。

放到因果发现里，这张“评估表”就是评分函数。给定了观测数据 D 和一个候选的因果图 G（也就是一个 DAG，节点是变量，边是因果方向），评分函数输出一个数值 Score(G:D)，代表“这个图解释数据的能力”。一个关键的工程技巧是：总分可以被拆成每个变量的“家族分”之和。所谓家族，就是指某个变量和它的父节点们组成的一个小团体。每个小团体独立计分，最后统统加起来，得到全图的分数。

正因为评分可以“化整为零”,后续的因果发现算法才可能在局部做加减法来加速搜索。地铁规划局也是这么干的——评估人员逐站核算客流，最后汇总成全线的总流量，哪里要调整，只改那一站的数字就够了。

Score(G:D)=∑i=1ns(xi∣PaiG)\displaystyle \text{Score}(G:D)=\sum_{i=1}^{n} s(x_{i}\mid \text{Pa}_{i}^{G})
整个图的评分，等于每个变量“带着自己的父节点”单独计分后的总和。
  1. 变量总数与编号数据里有 n 个变量，下标 i 从 1 数到 n，逐个遍历每个变量。
    n=∣V∣\displaystyle n=|\mathcal{V}|
  2. 父节点集合表示在候选图 G 中，变量 x_i 的父节点构成的集合。
    PaiG={xj∣xj→xi∈G}\displaystyle \text{Pa}_{i}^{G}=\{x_{j}\mid x_{j}\to x_{i}\in G\}
  3. 局部家族分表示“给 x_i 及其爸爸们这个小团体”打的局部分数，包含似然项（拟合数据的程度）与结构项（模型复杂度的惩罚）。
    s(xi∣PaiG)=似然项+结构项\displaystyle s(x_{i}\mid \text{Pa}_{i}^{G})=\text{似然项}+\text{结构项}
  4. 求和符号把所有变量的局部分累加起来，构成整张图的最终分数。

马尔可夫等价：同样的骨架，不同的跑法

一条环形地铁线路上，同样的一批站点，可以设计出好几种跑法：顺时针跑、逆时针跑、甚至安排成对向发车。可在交通局审批官眼里，这些方案“停哪些站、站与站之间怎么连着”完全相同，只有车头朝向不同。换句话说，从一张静态的运行图里，你根本分辨不出列车实际往哪个方向开。

因果发现里也有同样的现象。假设我们考虑三个变量 X、Y、Z，两个图 G₁：X→Y→Z 与 G₂：X←Y←Z。它们的骨架——也就是把有向边涂掉方向后得到的无向边集合——完全一样，都是 X—Y—Z 这条链；而且它们都没有V 结构（指的是某个节点同时拥有两个彼此不相连的父节点，像一个“汇合枢纽”）。骨架相同、V 结构相同，我们就说这两个 DAG 属于同一个马尔可夫等价类。观测数据给出的概率分布，最多只能把我们引导到等价类这一层，类内谁是谁的方向，分布本身“不置一词”。

技术上的定义可以这样表述：两个 DAG 是马尔可夫等价的，当且仅当它们拥有相同的骨架和相同的 V 结构集合。这是整个评分等价性讨论的地基。地铁审批官按“站点连通关系 + 换乘枢纽”来评估线路，等价类里的线路在他眼里就是“同一个方案的不同跑法”；同理，概率分布按“条件独立关系”来刻画变量系统，等价类里的图在分布眼里就是“同一个故事的不同讲法”。

  • 骨架识别：忽略边的方向，只看变量两两之间有没有边相连。
  • V 结构识别：找出所有形如 x→y←z、且 x 与 z 之间没有边的汇合点。
  • 等价类：共享同一骨架与同一 V 结构集合的全部 DAG 组成的集合。
  • 方向模糊：等价类内部边的方向无法由观测分布决定，这就是“方向盲区”。

所以，当你在论文或工具输出里看到“该数据对应一个等价类，而非唯一因果图”，别惊讶——这正是分布本身能承诺的极限。

评分等价原理：为什么分数必然打平

既然交通局审批表上只统计“站间联通关系和换乘枢纽”，压根不看车头朝向，那么同一等价类里方向相反的线路，最终评估分数理所当然会一模一样。这不是巧合，而是评分函数在设计之初就被写进纸面里的性质，叫作朝向不变性。

贝叶斯评分家族里，BDeu 和 BGe 分数是两支主力。它们都不是“拿最大似然值估一个数”那么简单，而是对参数做边际化——把所有可能的参数取值都积分掉，得到“这个图结构本身解释数据的概率”。正是这个积分过程，让等价类内方向相反的图分数精确相等。写成 BDeu 的完整表达式，它长这样：

从公式可以直观看到：评分只依赖“谁是谁的父节点”的集合，而不依赖父节点之间的排列方向。因此只要两个图的骨架和 V 结构相同，父节点集合逐变量对应相等，分数必然相同。这个性质在文献里称作分数一致性——在样本量足够大时，真图所在的等价类会拿到最高分；也正因如此，GES 这类算法找回来的不是“唯一真图”，而是一个“分数最高的等价类”。

P(D∣G)=∏i=1n∏j=1qiΓ(αij)Γ(αij+Nij)∏k=1riΓ(αijk+Nijk)Γ(αijk)\displaystyle P(D\mid G)=\prod_{i=1}^{n}\prod_{j=1}^{q_{i}}\frac{\Gamma(\alpha_{ij})}{\Gamma(\alpha_{ij}+N_{ij})}\prod_{k=1}^{r_{i}}\frac{\Gamma(\alpha_{ijk}+N_{ijk})}{\Gamma(\alpha_{ijk})}
BDeu 分数把每个变量按“父节点的每种取值组合”分块，对每块数据做狄利克雷积分，最终得到结构 G 的边际似然。
  1. 外层连乘遍历变量对图中每一个变量都计入一个因子，一个都不能少。
    ∏i=1n(⋯ )\displaystyle \prod_{i=1}^{n}(\cdots)
  2. 中层连乘遍历父节点组合q_i 表示变量 x_i 的父节点取值一共有多少种组合，对每种组合单独统计。
    qi=∏xj∈PaiGrj\displaystyle q_{i}=\prod_{x_{j}\in\text{Pa}_{i}^{G}} r_{j}
  3. 内层连乘遍历取值r_i 表示 x_i 自身有几种取值（比如二值变量 r_i=2），对每个取值 k 算一个伽马积分。
    ri=∣dom(xi)∣\displaystyle r_{i}=|\text{dom}(x_{i})|
  4. 计数与先验N_{ijk} 是数据中“父组合为 j、x_i 取值为 k”的样本数；α_{ijk} 是狄利克雷先验的伪计数，α_{ij} 是它们的和。
    αij=∑k=1riαijk,Nij=∑k=1riNijk\displaystyle \alpha_{ij}=\sum_{k=1}^{r_{i}}\alpha_{ijk},\quad N_{ij}=\sum_{k=1}^{r_{i}}N_{ijk}
  5. 伽马函数积分Γ 函数在这里的作用是把先验伪计数与观测计数“柔和地合并”，等价于对所有可能的参数 θ 做积分后得到的归一化常数。

关键算法：GES 的加加减减

线路方案的数量是天文数字——每加一条边、每改变一个方向，都可能衍生出上亿种排列。地铁规划师当然不会把每条线路都全量评估一遍。他的做法是“小步快跑”：从一个空方案开始，每轮只做一个小改动，比如给某两站之间新增一条联络线，或把某段线路取消；只要改动后总分变高，就接受这个改动，然后继续往下试探。等分数再也涨不动了，再反过来做删减，直到收敛。

这就是 GES（Greedy Equivalence Search，贪婪等价搜索） 算法的思想。它分为两个阶段：第一阶段是前向加边，不断往图里加边，只要局部增量是正的；第二阶段是后向删边，不断删掉冗余边，仍然只看局部增量。每一步的决策依据，是下面这个增量公式：

GES 的可贵之处在于它不直接搜索“具体哪条边指向哪边”，而是在等价类的层面做操作。因为评分等价性保证了等价类内所有图同分，算法只需要找到“哪个等价类分数最高”即可，最后再根据骨架和 V 结构把方向信息呈现出来。这就像规划师不需要纠结列车顺时针还是逆时针跑——只要确定哪组站点连通关系客流最大，方向问题留给实地调研去解决。

Δi,j=s(xi∣Pai∪{xj})−s(xi∣Pai)\displaystyle \Delta_{i,j}=s\bigl(x_{i}\mid \text{Pa}_{i}\cup\{x_{j}\}\bigr)-s\bigl(x_{i}\mid \text{Pa}_{i}\bigr)
把变量 x_j 加入 x_i 的父集合后，家族分的提升量；若 Δ 为正，说明这条加边值得保留。
  1. 当前父集合表示在现有候选图中，x_i 已经有的父节点们。
    Pai\displaystyle \text{Pa}_{i}
  2. 加入候选父节点后的家族分把 x_j 临时放进 x_i 的父集合，重新算一次 x_i 的局部评分。
    s(xi∣Pai∪{xj})\displaystyle s\bigl(x_{i}\mid \text{Pa}_{i}\cup\{x_{j}\}\bigr)
  3. 原家族分保持现状不动时 x_i 的局部评分。
    s(xi∣Pai)\displaystyle s\bigl(x_{i}\mid \text{Pa}_{i}\bigr)
  4. 增量判定Δ>0 说明加边让总分上升，贪心策略接受；否则跳过这条候选边。

等价类区分：V 结构与干预实验

分数打平之后，方向到底藏在哪里？交通局有两种破局手段。第一种是盯住换乘枢纽站：枢纽站的客流模式很特殊——两条支线的客流在这里汇合再疏散，这种“汇聚”结构能在运行图上直接看出方向。第二种是实地调研：派人去站台蹲点，看列车从哪个方向进站、哪个方向出站，真相一目了然。

对应到因果发现，第一种手段就是活用 V 结构。形如 x→y←z 的结构里，y 是汇合点，x 和 z 都是 y 的父节点，而且 x 与 z 之间不能有边。V 结构的特殊性在于：它本身不依赖于分布等价性就能被识别——在观测数据中，x 与 z 通常独立（或条件独立于 y 以外的变量），但给定 y 之后二者会变得相关。这个 “给定中间变量后反而相关” 的信号，直接锁定了 y 是汇合点。第二种手段是干预实验——也就是 do 算子。对变量 X 施加干预（强制它取某个值），相当于物理上切断了所有指向 X 的边，这时观察 Y 的分布变化，就能确认 X 是否真的影响 Y。后门调整公式给出了从观测数据模拟干预效果的途径：

除了 V 结构和干预实验，PC 算法也能帮上忙：它先做条件独立性检验恢复骨架，再利用 V 结构锚定部分方向，最后通过方向传播规则（Meek 规则）把能确定的方向尽量推断出来。剩下的“顽固边”，就只能交给领域先验知识或真实实验去拍板了——这和交通局最后那步实地调研，逻辑完全一致。

P(y∣do(X=x))=∑zP(y∣X=x,Z=z) P(Z=z)\displaystyle P\bigl(y\mid \text{do}(X=x)\bigr)=\sum_{z} P\bigl(y\mid X=x,Z=z\bigr)\,P(Z=z)
在满足后门准则的调整集 Z 上做加权平均，就能用观测数据估算干预后的分布，从而打破等价类的方向模糊。
  1. 干预记号do(X=x) 表示人为强制 X 取值为 x，与普通的“观测到 X=x”意义完全不同。
    do(X=x)\displaystyle \text{do}(X=x)
  2. 调整集Z 是满足后门准则的一组协变量，它阻断了 X 与 Y 之间所有非因果路径。
    Z: 阻断了X→Y的所有后门路径\displaystyle Z:\ \text{阻断了} X\to Y \text{的所有后门路径}
  3. 加权平均对 Z 的每一个取值，用条件概率 P(y|X=x,Z=z) 乘以 P(Z=z)，再求和，得到干预后的边际分布。

性能优化：只算变化的部分

现在想象一座拥有上百个站点的大城市，规划师要评估的线路方案数以万计。如果他每做一个微调，就把整条线所有站的客流全部重新盘一遍，那算到退休也算不完。聪明的做法是：微调只影响局部——比如只是给 A 站和 B 站之间加一条联络线，那么只有 A、B 两站及其邻近站的客流估算会变化，其他 98 个站的数据完全可以“缓存”起来不动。

因果发现算法的性能瓶颈与此完全相同。GES 每轮都要评估大量候选操作，如果每个操作都全图重新算一次评分，代价是灾难性的。因此工程实现中普遍采用三类优化。其一是分数缓存：把每个变量在当前父集合下的局部分存起来，下次遇到相同组合直接命中复用。其二是局部更新：加边、删边、转边只影响相关变量的家族分，只有这些变量需要重算。其三是并行计算：不同变量的局部分彼此独立，天然可以分到多个线程或机器上同时算。至于近似搜索，则是当候选操作太多时，用随机采样或剪枝策略挑选一部分高潜力操作评估，牺牲少量精度换取数量级的加速。候选操作的数量级可以这样估计：

这些优化手法在 Tetrad、causal-learn、gCastle 等开源库中都有成熟实现。你只需要理解：评分等价性带来的计算负担，并不是“每张图都要从头算”，而是“可以拆着算、缓存着算、并行着算”——就像交通局把整座城市的客流评估拆成各站独立核算，最后汇总一加。

∣候选操作∣≈O ⁣(n2rmax⁡)\displaystyle |\text{候选操作}|\approx O\!\left(n^{2}r_{\max}\right)
每轮要评估的候选操作数大致和变量数平方成正比，还受最大状态数影响，这就是必须做局部更新和缓存的原因。
  1. 变量平方项n² 来自“任意两个变量之间加边、删边、转边”的组合数。
    n2=(n2)×2+(n2)\displaystyle n^{2}=\binom{n}{2}\times 2+\binom{n}{2}
  2. 最大状态数r_max 是单个变量取值数量的上界，关系到父节点组合的枚举量。
    rmax⁡=max⁡iri\displaystyle r_{\max}=\max_{i} r_{i}

实践应用：从工具到业务决策

回到真实世界。假设你是一名数据科学家，手里拿到一份电商平台的用户行为观测数据，想搞清楚“商品曝光→点击→购买”这条链路上真实的因果方向。用因果发现工具跑一遍 GES，输出结果很可能是“一个等价类，而不是一张唯一的 DAG”——链条中间的方向标记着“待定”。这时候评分等价性就不再是课本概念，而是直接影响你业务结论的约束条件。

实践中的标准流程是这样的：先确认数据是观测数据还是实验数据。如果是观测数据，你只能拿到等价类级别的结论；下一步立刻检查图里有没有 V 结构——比如“是否点击→是否购买←是否收到优惠券”这样的汇合点，V 结构能帮你锚定一部分方向；再下一步，对关键边引入领域先验（比如“曝光一定发生在点击之前”这种业务常识）或者部署一个小规模 A/B 实验，用真实干预数据定方向。工具层面，causal-learn 提供 GES 的 Python 实现，Tetrad 适合交互式探索，gCastle 集成了评分函数和多种搜索策略。常见的坑包括：把等价类内的某个方向当成铁律、在存在隐藏混杂变量时仍然相信评分结果、以及把非平稳时间序列数据当独立同分布样本处理。理解了评分等价性，你就能一眼识别这些歧义，并把有限的实验资源花在真正需要定方向的边上——这正是“读懂因果结果”与“只会跑因果代码”的分水岭。

AI 应用场景

医疗因果发现：疾病与症状的等价类分析

阶段：因果发现 + 结果解释

解决的问题：电子病历通常是观测数据，“高血压→心脏病”与“心脏病→高血压”这类链式结构方向难辨。传统做法直接看相关性或回归系数，容易把方向搞反；用评分等价性校准期望后，GES 先锁定等价类，再借助 V 结构（如“高血压→脑卒中←糖尿病”）锚定局部方向，剩余边通过孟德尔随机化（一种近似干预的遗传学方法）定方向。

具体案例：某三甲医院团队分析 5 万份慢病随访数据，用 GES 得到等价类后，发现“血压异常与肾功能指标”之间方向模糊；通过一个已知的 V 结构锚定部分路径，再对关键边做孟德尔随机化，最终确认肾小球滤过率下降早于血压异常，修正了此前病历系统的规则引擎。

推荐系统：曝光、点击与购买的因果链路

阶段：基于分数的因果发现 + 在线实验验证

解决的问题：推荐系统中“曝光→点击→购买”是典型的链式结构，观测日志无法区分“曝光导致购买”还是“购买意愿高的人更容易被曝光”。传统点击率预估模型只看相关性，上线 A/B 实验成本高。先用 GES 在历史日志上找出等价类，再对等价类内模糊的边做定向 A/B 实验，能节省 70% 的实验资源。

具体案例：某电商平台用评分等价性分析后，发现“加购”与“购买”间的方向可被一个 V 结构（“加购←收藏夹使用量→购买”）锚定，而“曝光”与“点击”方向仍模糊；团队只在曝光→点击这一条边上做了两周分流实验，就明确了因果方向，随后把规则引擎升级为因果感知的排序模型。

工业根因分析：故障日志中的因果链路

阶段：因果发现 + 根因定位

解决的问题：设备故障日志里，“温度升高”与“负载增大”常同时出现，运维人员难以判断谁是根因。传统告警系统用相关性做关联分析，误报率高。用 GES 对传感器序列做因果发现，评分等价性提示方向模糊，再结合 V 结构和控制变量实验定方向，可显著降低误报。

具体案例：某工厂对 200 台设备的传感器数据跑 GES，发现“电流异常→电机过热←冷却泵故障”这个 V 结构直接锁定冷却泵为辅因；而“电流异常”与“转速下降”方向模糊，工程师通过一次主动停机实验确认了因果方向，将根因定位时间从 2 小时缩短到 20 分钟。

Python 演示

python87 行
"""BDeu score equivalence demo: flipping non-V edges keeps the score."""import math import networkx as nximport numpy as np  class BDeuScorer:    """BDeu additive scorer with Dirichlet prior alpha."""     def __init__(self, alpha=1.0):        self.alpha = alpha     def _dirichlet_log(self, counts):        """Log marginal likelihood of one Dirichlet-multinomial block."""        k = len(counts)        alp = self.alpha        n = int(counts.sum())        s = math.lgamma(alp * k) - math.lgamma(alp * k + n)        for c in counts:            s += math.lgamma(alp + c) - math.lgamma(alp)        return s     def local_score(self, data, var, parents):        """BDeu local score of var given parents on boolean data."""        x = data[:, var]        if not parents:            counts = np.array([                int(np.sum(x == 0)),                int(np.sum(x == 1))            ])            return self._dirichlet_log(counts)        keys = np.zeros(data.shape[0], dtype=int)        for j, pa in enumerate(parents):            keys = keys * 2 + data[:, pa].astype(int)        total = 0.0        for u in np.unique(keys):            mask = keys == u            counts = np.array([                int(np.sum(x[mask] == 0)),                int(np.sum(x[mask] == 1))            ])            total += self._dirichlet_log(counts)        return total     def score(self, data, graph):        """Additive score over all nodes of the DAG."""        total = 0.0        for var in sorted(graph.nodes):            parents = list(graph.predecessors(var))            total += self.local_score(data, var, parents)        return total  def generate_chain_data(n_samples=2000, seed=7):    """Data generated from X -> Y -> Z with strong conditionals."""    rng = np.random.default_rng(seed)    x = rng.binomial(1, 0.5, n_samples)    y = np.where(x == 1,                 rng.binomial(1, 0.8, n_samples),                 rng.binomial(1, 0.2, n_samples))    z = np.where(y == 1,                 rng.binomial(1, 0.8, n_samples),                 rng.binomial(1, 0.2, n_samples))    return np.column_stack([x, y, z])  def main():    data = generate_chain_data()    scorer = BDeuScorer(alpha=1.0)    g_forward = nx.DiGraph([(0, 1), (1, 2)])    g_backward = nx.DiGraph([(1, 0), (2, 1)])    g_v = nx.DiGraph([(0, 1), (2, 1)])     s1 = scorer.score(data, g_forward)    s2 = scorer.score(data, g_backward)    s3 = scorer.score(data, g_v)     print("Score of X->Y->Z : %.4f" % s1)    print("Score of X<-Y<-Z : %.4f" % s2)    print("Score of X->Y<-Z : %.4f" % s3)    print("Reversed chain scores equal :", abs(s1 - s2) < 1e-6)    print("V-structure score distinct  :", abs(s1 - s3) > 1e-3)  if __name__ == "__main__":    main()
目的：实现 BDeu 评分函数，验证“把链式结构的边全部翻转，评分不变；换成 V 结构，评分明显改变”这一评分等价性核心性质。
  1. total += self.local_score(data, var, parents)把每个变量的家族分累加为整图分数，体现了评分函数的可分解性。
  2. keys = keys * 2 + data[:, pa]把多个父变量的取值编码成唯一整数组合，方便分组统计各状态的样本量。
  3. np.where(x == 1, ...)用条件概率生成 X→Y→Z 的链式合成数据，保证真实因果链条已知。
  4. abs(s1 - s2) < 1e-6判断分数是否相等时用容差而非 ==，规避浮点累计误差。

常见误区

误区我刚跑完 GES，发现好几个图的分数一模一样，是不是所有因果图评分都相同？那还怎么选出最优结构？

正解不是所有图，只有属于同一个马尔可夫等价类的图才会打平——即骨架相同且 V 结构相同。换入一个 V 结构，分数立刻产生明显差异。这就像地铁审批表只认站间关系，同样的十个站连成环，顺时针和逆时针跑法当然同分；但如果把其中一个站改成换乘枢纽，整个审批结果完全不一样。

为何常见：初学者通常从链式结构这一个例子出发，看到“方向翻转分数不变”就过度外推，忽略了 V 结构作为等价类“分水岭”的地位。

误区我用某个评分库算出来 A→B 的分数比 B→A 高，那 A 导致 B 是不是就实锤了？

正解如果 A→B 与 B→A 属于同一等价类（两个变量之间只有一条边时最常见），评分等价性保证它们的分数精确相等，不存在谁高谁低。你看到的“差异”要么是数值误差，要么是用了不满足等价性的启发式分数。真正的方向锚点来自 V 结构、干预实验或领域先验，而不是分数本身。

为何常见：人天然倾向于“数字大 = 更重要”，但评分函数恰恰被设计成对方向不敏感，这是它与普通分类准确率最大的不同。

误区评分等价只是小样本下的巧合吧？我把样本量从 1 万加到 1 亿，总能分出因果方向了吧？

正解评分等价性是渐近性质，样本量趋于无穷依然成立。只要数据来自完整观测、分数满足一致性，等价类内的分数在极限下完全相同。增加样本只会让分数更稳定地“打平”，不会让方向浮出水面——这就像给地铁审批表增加再多的客流统计，也统计不出列车方向。

为何常见：很多统计直觉来自参数估计——样本多，误差小。但这里不是噪声问题，而是模型不可识别性问题，前提条件就不满足。

误区我在图里找到了一个 V 结构，这下整张因果图的方向应该全部定下来了吧？

正解V 结构只能锚定它自身的汇合结构——x→y←z 中 y 的父节点是确定的。其余边的方向仍可能在你未观测的等价类内翻转，需要通过 PC 算法或 Meek 方向传播规则逐步推导：能定的才定，定不了的继续保持“方向未知”。链式结构中远离 V 结构的边，方向往往仍然模糊。

为何常见：把“局部锚定”误当成“全局定向”，忽略了方向传播规则只能从已确定方向逐步外推，推不动的边依然属于等价类。

面试题

Q1. 评分等价性的核心含义是什么？

单选题 · easy

  • A.所有因果图的最终评分都相同
  • B.马尔可夫等价的图分数相同← 正确答案
  • C.分数最高的图一定是真实因果图
  • D.V 结构不影响最终的评分

答案：B。评分等价性说的是：当两个 DAG 骨架相同且 V 结构相同时（属于同一马尔可夫等价类），评分函数给出相同分数。选项 A 过度推广，C 违背等价类精神（分数只选类不选方向），D 与事实相反——V 结构恰恰是区分等价类、改变分数的关键。

Q2. 两个 DAG 属于同一个马尔可夫等价类，需要满足什么条件？

单选题 · easy

  • A.骨架相同且 V 结构相同← 正确答案
  • B.只需要骨架完全相同
  • C.变量取值个数必须相同
  • D.必须有相同数量的边数

答案：A。马尔可夫等价的充要条件是“相同骨架 + 相同 V 结构集合”。只看骨架不够，因为没有 V 结构时方向仍可翻转。变量取值个数与边数不是等价类的定义条件。这就像地铁线路必须“站间连通关系 + 换乘枢纽结构”都一致，才算同一评价档次。

Q3. BDeu 分数中的超参数 α 在贝叶斯网络评分中代表什么？

单选题 · mid

  • A.每个节点允许的最大父节点数
  • B.狄利克雷先验的等效样本量← 正确答案
  • C.数据集的总样本量大小
  • D.图的最大入度约束值

答案：B。α 是狄利克雷先验的等效样本量，它决定了先验的强度——α 越大，先验对评分的影响越重。它不是结构约束（A、D），也不是观测样本量（C）。可以把 α 理解为审批官的“历史经验权重”：经验越足，新数据对分数的撼动越小。

Q4. 链式结构 X→Y→Z 翻转所有边得到 X←Y←Z，评分等价性告诉我们什么？

单选题 · mid

  • A.翻转后分数显著更低
  • B.翻转后分数显著更高
  • C.两者分数保持相同← 正确答案
  • D.翻转后无法用 BDeu 评分

答案：C。X→Y→Z 与 X←Y←Z 骨架相同（X—Y—Z）且都没有 V 结构，属于同一等价类。BDeu 等评分等价性分数在类内精确相同，分数不会一高一低，更不会无法评分。这就是“环形线路顺时针逆时针同分”的典型场景。

Q5. 以下哪些 DAG 属于同一个马尔可夫等价类（变量 X、Y、Z）？

多选题 · mid

  • A.X→Y→Z← 正确答案
  • B.X←Y←Z← 正确答案
  • C.X→Y←Z
  • D.X←Y→Z← 正确答案

答案：ABD。A、B、D 的骨架都是 X—Y—Z 这条链，且都不含 V 结构，属于同一等价类。C 的骨架同为 X—Y—Z，但存在 V 结构 X→Y←Z（Y 是汇合点），属于另一个等价类。骨架相同但 V 结构不同，分数也不会相同——如同换乘枢纽的改变会改变审批结果。

Q6. GES 算法两个阶段的正确顺序是？

单选题 · mid

  • A.先做等价类翻转再做加边
  • B.先删边后加边
  • C.先加边后删边← 正确答案
  • D.随机并行加删

答案：C。GES 第一阶段 forward 从空图出发贪心加边，直到分数不再提升；第二阶段 backward 贪心删边，直到分数不再提升。顺序固定为“先加后删”。这对应地铁规划师先大胆扩充方案、再精简冗余线路的两步走策略。

Q7. 在没有任何干预实验的前提下，仅凭观测数据的评分，哪些边的方向可以被可靠确定？

单选题 · extreme

  • A.链式结构中所有边的方向
  • B.V 结构汇合点的父边方向← 正确答案
  • C.任意等价类之外的边方向
  • D.融合大规模样本后的方向

答案：B。V 结构 x→y←z 在纯观测数据下是可识别的——“给定 y 后 x 与 z 反而相关”这一分布特征直接锁定汇合点，无需干预。链式结构（A）的方向在等价类内模糊，加大样本（D）也无法打破评分等价性。“等价类之外”的说法本身就不成立（C）。

Q8. 以下哪项是打破马尔可夫等价类内方向模糊的最可靠手段？

单选题 · hard

  • A.设计干预实验直接干预变量← 正确答案
  • B.增加 BDeu 先验等效样本量
  • C.换成 BIC 惩罚分数
  • D.对数据做标准化预处理

答案：A。干预实验（do 算子）物理切断了指向目标变量的边，能直接观测因果效应，是打破方向模糊的黄金标准。调整先验（B）、更换惩罚分数（C）、标准化数据（D）都无法改变“观测分布对应等价类”的数学事实——就像给审批表加再多细则，也看不出来列车实际往哪开。

Q9. 评分等价性给因果发现带来了哪些影响？

多选题 · hard

  • A.单独依赖分数无法确定边的方向← 正确答案
  • B.等价类内无需再做任何区分
  • C.需要 V 结构或实验才能打破方向模糊← 正确答案
  • D.BDe 分数不适用于因果发现

答案：AC。评分等价性意味着等价类内方向不可由分数区分（A 正确），V 结构与干预实验是破局关键（C 正确）。B 错误——等价类内仍需通过 V 结构、领域先验做进一步定向。D 错误——BDe 家族恰恰是最主流的评分函数之一，它的适用性不受等价性影响。

Q10. 实践中处理评分等价性带来的方向模糊，常用做法包括？

多选题 · hard

  • A.利用 V 结构确定局部方向← 正确答案
  • B.使用 PC 算法骨架信息辅助← 正确答案
  • C.引入领域先验知识限制方向← 正确答案
  • D.直接取分数差异最大的方向

答案：ABC。V 结构提供局部锚点（A），PC 算法用条件独立性检验和方向传播规则扩展可定向范围（B），领域先验补充业务常识（C），三者都是工程上常用的破局手段。D 错误——评分等价性保证等价类内分数相同，“分数差异最大的方向”并不存在，硬取只会得到数值噪声。