کشف و یادگیری ماشین علّی
8 روش در این خانواده.
برگزیده
الگوریتمهای کشف علّی (PC, FCI, LiNGAM)Causal discovery is a family of algorithms that automatically learn a directed acyclic graph (DAG) describing causal structure directly from observational data. The constraint-baseالگوریتم FCIThe Fast Causal Inference (FCI) algorithm is a constraint-based causal discovery method introduced by Spirtes, Glymour, and Scheines in their landmark 2000 book Causation, Predictiالگوریتم GESGreedy Equivalence Search (GES) is a score-based algorithm for learning the causal structure of a set of variables from observational data. Introduced by David Maxwell Chickering iارزیابی تأثیر پادواقعی تقویتشده با یادگیری ماشینMachine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather thaطرح رگرسیون ناپیوستگی فازی تقویتشده با یادگیری ماشینML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. Wherمدل ساختاری حاشیهای تقویتشده با یادگیری ماشین (ML-MSM)The machine learning-augmented marginal structural model combines the causal rigour of Robins et al.'s MSM framework with flexible, data-adaptive ML algorithms for estimating prope
مسیر مطالعه
پرارجاعترین روشهای بنیادی این موضوع، به ترتیب پیدایش آنها — جایی برای آغاز اگر تازهواردید.
همهٔ روشها 8
الگوریتمهای کشف علّی (PC, FCI, LiNGAM)الگوریتم FCIالگوریتم GESارزیابی تأثیر پادواقعی تقویتشده با یادگیری ماشینطرح رگرسیون ناپیوستگی فازی تقویتشده با یادگیری ماشینمدل ساختاری حاشیهای تقویتشده با یادگیری ماشین (ML-MSM)NOTEARS: بهینهسازی پیوسته برای یادگیری ساختار علّیبرآورد حداکثر درستنمایی هدفمند (TMLE)