কার্যকারণ আবিষ্কার অ্যালগরিদম (PC, FCI, LiNGAM)
কার্যকারণ আবিষ্কার হলো অ্যালগরিদমের একটি পরিবার যা পর্যবেক্ষণমূলক ডেটা থেকে সরাসরি কার্যকারণ কাঠামো বর্ণনা করে এমন একটি নির্দেশিত অ্যাসাইক্লিক গ্রাফ (DAG) স্বয়ংক্রিয়ভাবে শেখে। সীমাবদ্ধতা-ভিত্তিক PC এবং FCI অ্যালগরিদমগুলি Spirtes, Glymour এবং Scheines (2000) দ্বারা তৈরি করা হয়েছিল, যখন Shimizu et al. (2006) এর LiNGAM মডেল এজগুলিকে ওরিয়েন্ট করার জন্য রৈখিক নন-গাউসিয়ান কাঠামোর সুবিধা গ্রহণ করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/bn/causal-inference/causal-discovery
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- নির্দেশিত অ্যাসাইক্লিক গ্রাফ (ডু-ক্যালকুলাস) ব্যবহার করে কার্যকারণ শনাক্তকরণকার্যকারণ অনুমান↔ তুলনা করুন
- ডিফারেন্স-ইন-ডিফারেন্সেস (ডিফ-ইন-ডিফ)অর্থমিতি↔ তুলনা করুন
- কারণগত অনুমানের জন্য ইনস্ট্রুমেন্টাল ভ্যারিয়েবলস (IV) পদ্ধতিস্বাস্থ্য অর্থনীতি↔ তুলনা করুন
- সাধারণ ন্যূনতম বর্গক্ষেত্র (OLS) রিগ্রেশনঅর্থমিতি↔ তুলনা করুন
- প্রোপেনসিটি স্কোর ম্যাচিং (Propensity Score Matching)গবেষণা পরিসংখ্যান↔ তুলনা করুন
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →