Regression model
خوارزميات اكتشاف السببية (PC، FCI، LiNGAM)
اكتشاف السببية هو عائلة من الخوارزميات التي تتعلم تلقائيًا رسمًا بيانيًا موجهًا لا دوري (DAG) يصف البنية السببية مباشرة من البيانات الرصدية. تم تطوير خوارزميات PC و FCI القائمة على القيود بواسطة Spirtes و Glymour و Scheines (2000)، بينما يستغل نموذج LiNGAM الخاص بـ Shimizu وآخرون (2006) البنية الخطية غير الغاوسية لتوجيه الحواف.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402
- Shimizu, S., Hoyer, P. O., Hyvärinen, A., & Kerminen, A. (2006). A Linear Non-Gaussian Acyclic Model for Causal Discovery. Journal of Machine Learning Research, 7, 2003-2030. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/ar/causal-inference/causal-discovery
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التعرف السببي باستخدام الرسوم البيانية الموجهة غير الدورية (حسابات do)الاستدلال السببي↔ compare
- الفرق في الفروق (Diff-in-Diff)الاقتصاد القياسي↔ compare
- طريقة المتغيرات الآلية (IV) للاستدلال السببياقتصاديات الصحة↔ compare
- انحدار المربعات الصغرى العادية (OLS)الاقتصاد القياسي↔ compare
- مطابقة درجات الميلإحصاء البحث↔ compare