Regression model

Αλγόριθμοι Αιτιακής Ανακάλυψης (PC, FCI, LiNGAM)

Η αιτιακή ανακάλυψη είναι μια οικογένεια αλγορίθμων που μαθαίνουν αυτόματα έναν κατευθυνόμενο άκυκλο γράφο (DAG) που περιγράφει την αιτιακή δομή απευθείας από παρατηρησιακά δεδομένα. Οι αλγόριθμοι PC και FCI, βασισμένοι σε περιορισμούς, αναπτύχθηκαν από τους Spirtes, Glymour και Scheines (2000), ενώ το μοντέλο LiNGAM των Shimizu et al. (2006) εκμεταλλεύεται τη γραμμική μη-Γκαουσιανή δομή για να προσανατολίσει τις ακμές.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402
  2. Shimizu, S., Hoyer, P. O., Hyvärinen, A., & Kerminen, A. (2006). A Linear Non-Gaussian Acyclic Model for Causal Discovery. Journal of Machine Learning Research, 7, 2003-2030. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/el/causal-inference/causal-discovery

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.

Compare side by side

Αναφέρεται από

ScholarGateCausal Discovery Algorithms (Causal Discovery Algorithms (PC, FCI, LiNGAM)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/causal-inference/causal-discovery · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026