FCI Algoritmen — Hurtig Kausal Inferens
Fast Causal Inference (FCI) algoritmen er en regelbaseret metode til kausal opdagelse, introduceret af Spirtes, Glymour og Scheines i deres banebrydende bog Causation, Prediction, and Search fra 2000. I modsætning til dens forgænger, PC-algoritmen, er FCI specifikt designet til at håndtere tilstedeværelsen af latente (umålte) fælles årsager og stikprøveudvælgelsesbias. Den producerer en Partial Ancestral Graph (PAG), som trofast repræsenterer mængden af alle kausale strukturer, der er konsistente med de observerede betingede uafhængigheder.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0-262-19440-2
Sådan citerer du denne side
ScholarGate. (2026, June 2). Fast Causal Inference (FCI) Algorithm. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk netværkBayesiansk↔ compare
- NOTEARS: Kontinuerlig optimering til læring af kausal strukturKausal inferens↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →