Algorisme GES — Greedy Equivalence Search per al Descobriment Causal

Greedy Equivalence Search (GES) és un algorisme basat en puntuació per aprendre l'estructura causal d'un conjunt de variables a partir de dades observacionals. Introduït per David Maxwell Chickering el 2002, GES opera directament sobre classes d'equivalència de Markov de grafs acíclics dirigits (DAGs), representats com a grafs acíclics parcialment dirigits completats (CPDAGs). Sota els supòsits de suficiència causal i un procés de generació de dades fidel, es demostra que GES recupera la classe d'equivalència veritable en el límit de mostres grans.