Algoritmus FCI — Rychlá kauzální inference
Algoritmus Fast Causal Inference (FCI) je metoda kauzální dedukce založená na podmínkách, kterou zavedli Spirtes, Glymour a Scheines ve své přelomové knize Causation, Prediction, and Search z roku 2000. Na rozdíl od svého předchůdce, algoritmu PC, je FCI specificky navržen pro práci s latentními (neměřenými) společnými příčinami a zkreslením výběru vzorku. Výstupem je částečný ancestrální graf (Partial Ancestral Graph, PAG), který věrně reprezentuje množinu všech kauzálních struktur konzistentních s pozorovanými podmíněnými nezávislostmi.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0-262-19440-2
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Fast Causal Inference (FCI) Algorithm. ScholarGate. https://scholargate.app/cs/causal-inference/fci-algorithm
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.
- Bayesovská síťBayesovská statistika↔ compare
- NOTEARS: spojité optimalizace pro učení kauzálních strukturKauzální inference↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →