[[2022__CCGrid__Generic and Robust Performance Diagnosis via Causal Inference for OLTP Database Systems|CauseRank]]では、大規模時系列データに対する[[条件付き独立性検定]]の問題を次のように取り上げている。 > 既存の研究では、[[PCアルゴリズム|PC]] [15]、並列化PC [13]、PCTS [11, [[2020__IWQoS__Localizing Failure Root Causes in a Microservice through Causality Inference|MicroCause]]]アルゴリズムなど、通常、因果関係グラフを構築するた めに制約に基づくアルゴリズムを適用している。これらの制約 に基づくアルゴリズム[26]、[27]は、ほとんどが条件付き独立 性検定に依存している。しかし、条件付き独立性検定は、特に 大規模な時系列データセットに適用した場合、ノイズのために 正しいことが保証されていないため、高次元性と低い検出力に つながる[27]。スコアベースアルゴリズム[19]、[30]は、グラ フのグローバルスコアを最適化することによって因果関係グラ フを構築し、上記の欠点を克服することができる。 [27]: [[2019__Science Advances__Detecting and quantifying causal associations in large nonlinear time series datasets]]