推斷數(shù)據(jù)間存在的因果關(guān)系是很多科學(xué)領(lǐng)域中的一個基礎(chǔ)問題，然而現(xiàn)在暫時還沒有快速有效的方法對缺失數(shù)據(jù)進行因果推斷。為此，提出一種基于加性噪聲模型下適應(yīng)缺失數(shù)據(jù)的因果推斷算法。該算法是基于加性噪聲模型下利用最大似然估計法結(jié)合加權(quán)樣本修復(fù)數(shù)據(jù)的思想構(gòu)造以似然函數(shù)形式的模型評分函數(shù)，并以此度量模型相對于缺失數(shù)據(jù)集的優(yōu)劣程度，通過迭代學(xué)習(xí)確定因果方向，每次迭代學(xué)習(xí)包括使用參數(shù)修復(fù)數(shù)據(jù)和在修復(fù)后的完整數(shù)據(jù)集下估計參數(shù)。該方法既解決了加性噪聲模型中映射函數(shù)的參數(shù)學(xué)習(xí)困難性問題，又避免了現(xiàn)有學(xué)習(xí)方法所存在的主要問題。實驗表明，在數(shù)據(jù)缺失比例擴大的情況下該算法仍具有較高的識別能力。