Machine learningCausal discovery

الگوریتم GES — جستجوی حریصانه معادل برای کشف علّی

جستجوی حریصانه معادل (GES) یک الگوریتم مبتنی بر امتیاز برای یادگیری ساختار علّی مجموعه‌ای از متغیرها از داده‌های مشاهده‌ای است. GES که در سال ۲۰۰۲ توسط دیوید مکسول چیکرینگ معرفی شد، مستقیماً بر روی کلاس‌های معادل مارکوف گراف‌های جهت‌دار غیرمدور (DAGs) که به صورت گراف‌های نیمه‌جهت‌دار غیرمدور کامل (CPDAGs) نمایش داده می‌شوند، عمل می‌کند. تحت مفروضات کفایت علّی و یک فرآیند تولید داده وفادار، اثبات شده است که GES در حد نمونه بزرگ، کلاس معادل حقیقی را بازیابی می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/fa/causal-inference/ges-algorithm

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
ScholarGateGES Algorithm (Greedy Equivalence Search (GES)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/causal-inference/ges-algorithm · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026