一事引发另一事：时间序列因果发现基础

arXiv:2610.13430v1 公告类型：交叉收录 摘要：时间序列因果发现——即检测时间序列之间因果关系的过程——源于半个多世纪前的信号处理研究。此后，这一领域持续受到广泛而积极的关注，并在统计学、动力系统和机器学习等领域中演化出不同的形式。对于初入者而言，这一分散且不断演变的研究领域可能令人望而生畏。本教程为不同研究社群中的时间序列因果发现提供了统一概述。我们介绍了现代因果发现方法所采用的关键原理，并讨论了这些方法的局限性与假设。我们还讨论了如何对因果发现方法进行评估、基准测试和微调。此外，我们探讨了时间序列因果发现如何日益成为农业与地球科学、医疗健康以及人工智能系统中下游任务的关键。我们相信，本教程既能帮助读者梳理近期涌现的大量因果研究，成为一项宝贵资源，也能邀请信号处理领域的读者参与因果问题的研究。为进一步帮助读者，我们维护了一个配套代码仓库，提供实用代码包和资源的链接，地址为 https://github.com/CHAI-UK/Awesome-Time-Series-Causal-Discovery。