GES Algoritme — Grådig Ækvivalenssøgning til Årsagsopdagelse
Grådig Ækvivalenssøgning (GES) er en score-baseret algoritme til at lære den kausale struktur af et sæt variable ud fra observationelle data. Introduceret af David Maxwell Chickering i 2002, opererer GES direkte på Markov-ækvivalensklasser af rettede acykliske grafer (DAGs), repræsenteret som fuldt ud delvist rettede acykliske grafer (CPDAGs). Under antagelserne om kausal tilstrækkelighed og en trofast datagenererende proces, er GES bevist at genfinde den sande ækvivalensklasse i den store stikprøvegrænse.
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
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/da/causal-inference/ges-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 →