আবিষ্কার ও কার্যকারণ যন্ত্র শিখন
8 টি পদ্ধতি এই পরিবারে।
নির্বাচিত
কার্যকারণ আবিষ্কার অ্যালগরিদম (PC, FCI, LiNGAM)Causal discovery is a family of algorithms that automatically learn a directed acyclic graph (DAG) describing causal structure directly from observational data. The constraint-baseFCI অ্যালগরিদমThe Fast Causal Inference (FCI) algorithm is a constraint-based causal discovery method introduced by Spirtes, Glymour, and Scheines in their landmark 2000 book Causation, PredictiGES অ্যালগরিদমGreedy Equivalence Search (GES) is a score-based algorithm for learning the causal structure of a set of variables from observational data. Introduced by David Maxwell Chickering iমেশিন লার্নিং-বর্ধিত প্রতিঘাতমূলক প্রভাব মূল্যায়নMachine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather thaমেশিন লার্নিং-বর্ধিত ফাজি রিগ্রেশন ডিসকন্টিনিউটি ডিজাইনML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. Wherমেশিন লার্নিং-অগমেন্টেড মার্জিনাল স্ট্রাকচারাল মডেল (ML-MSM)The machine learning-augmented marginal structural model combines the causal rigour of Robins et al.'s MSM framework with flexible, data-adaptive ML algorithms for estimating prope
পঠন-পথ
এই বিষয়ের সর্বাধিক উদ্ধৃত মৌলিক পদ্ধতিসমূহ, যে ক্রমে সেগুলি বিকশিত হয়েছে সেই অনুসারে — আপনি এখানে নতুন হলে শুরু করার একটি জায়গা।
সব পদ্ধতি 8
কার্যকারণ আবিষ্কার অ্যালগরিদম (PC, FCI, LiNGAM)FCI অ্যালগরিদমGES অ্যালগরিদমমেশিন লার্নিং-বর্ধিত প্রতিঘাতমূলক প্রভাব মূল্যায়নমেশিন লার্নিং-বর্ধিত ফাজি রিগ্রেশন ডিসকন্টিনিউটি ডিজাইনমেশিন লার্নিং-অগমেন্টেড মার্জিনাল স্ট্রাকচারাল মডেল (ML-MSM)নটিয়ার্স (NOTEARS): কার্যকারণ কাঠামোর শিক্ষণের জন্য অবিচ্ছিন্ন অপ্টিমাইজেশনলক্ষ্যযুক্ত সর্বোচ্চ সম্ভাব্যতা প্রাক্কলন (TMLE)