GES-Algorithmus – Greedy Equivalence Search zur Kausalen Entdeckung
Die Greedy Equivalence Search (GES) ist ein score-basierter Algorithmus zum Lernen der kausalen Struktur einer Menge von Variablen aus Beobachtungsdaten. 2002 von David Maxwell Chickering eingeführt, arbeitet GES direkt auf Markov-Äquivalenzklassen von gerichteten azyklischen Graphen (DAGs), die als vollständig partiell gerichtete azyklische Graphen (CPDAGs) dargestellt werden. Unter den Annahmen der kausalen Suffizienz und eines faithfulen datengenerierenden Prozesses ist GES nachweislich in der Lage, die wahre Äquivalenzklasse im Large-Sample-Limit wiederherzustellen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/de/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.
- Bayes'sche NetzwerkeBayes-Statistik↔ compare
- NOTEARS: Kontinuierliche Optimierung für kausale StrukturlernenKausale Inferenz↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →