Algoritmo GES — Búsqueda Codiciosa de Equivalencia para Descubrimiento Causal

La Búsqueda Codiciosa de Equivalencia (GES, por sus siglas en inglés) es un algoritmo basado en puntuación para aprender la estructura causal de un conjunto de variables a partir de datos observacionales. Introducido por David Maxwell Chickering en 2002, GES opera directamente sobre clases de equivalencia de Markov de grafos acíclicos dirigidos (DAGs), representados como grafos acíclicos parcialmente dirigidos completados (CPDAGs). Bajo los supuestos de suficiencia causal y un proceso generador de datos fiel, se demuestra que GES recupera la clase de equivalencia verdadera en el límite de muestras grandes.