ScholarGate
Assistent
Machine learningDynamical causality

Convergent Cross Mapping (CCM)

Convergent Cross Mapping (CCM) on on lineaarne, oleku-ruumi meetod, mis tuvastab põhjuslikkuse ajasarjade muutujate vahel, mis on seotud ühises dünaamilises süsteemis. George Sugihara ja kolleegide poolt nende 2012. aasta teadusartiklis tutvustatud CCM kasutab Takensi sisestusteoreemi: kui muutujal X on põhjuslik mõju Y-le, siis Y ajalooline kirjeldus sisaldab piisavalt teavet X olekute taastamiseks. Põhjuslikkust kinnitatakse, kui ristkaardi oskus paraneb – koondub –, kui ajasarjade andmekogu pikeneb.

Ava rakenduses MethodMindPeagiVideoPeagiLaadi slaidid alla

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Meetodikaart

Seotud meetodite ümbruskond — vali sõlm, et seda uurida.

Allikad

  1. Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079

Kuidas sellele lehele viidata

ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/et/causal-inference/convergent-cross-mapping

Milline meetod?

Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.

Võrdle kõrvuti

Sellele viitavad

ScholarGateConvergent Cross Mapping (Convergent Cross Mapping (CCM)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/causal-inference/convergent-cross-mapping · Andmestik: https://doi.org/10.5281/zenodo.20539026