الگوریتمهای کشف علّی (PC, FCI, LiNGAM)
کشف علّی (Causal discovery) خانوادهای از الگوریتمهاست که مستقیماً از دادههای مشاهدهای، یک گراف جهتدار بدون دور (DAG) توصیفکننده ساختار علّی را بهطور خودکار یاد میگیرد. الگوریتمهای مبتنی بر محدودیت PC و FCI توسط Spirtes, Glymour و Scheines (2000) توسعه یافتند، در حالی که مدل LiNGAM شیمیزو و همکاران (2006) از ساختار خطی غیرگوسی برای جهتدهی یالها بهره میبرد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/fa/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.
- شناسایی علّی با استفاده از گرافهای جهتدار بدون دور (حساب do)استنتاج علّی↔ compare
- روش تفاوت در تفاوت (Diff-in-Diff)اقتصادسنجی↔ compare
- روش متغیرهای ابزاری (IV) برای استنتاج علیاقتصاد سلامت↔ compare
- رگرسیون حداقل مربعات معمولی (OLS)اقتصادسنجی↔ compare
- تطابق امتیاز تمایل (Propensity Score Matching)آمار پژوهش↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →