GES-algoritmi – ahne ekvivalenssihaku kausaalisen rakenteen löytämiseen
Greedy Equivalence Search (GES) on pisteytykseen perustuva algoritmi, jolla opitaan muuttujajoukon kausaalinen rakenne havaintoaineistosta. David Maxwell Chickeringin vuonna 2002 esittelemä GES toimii suoraan suunnattujen asyklisten graafien (DAG) Markovin ekvivalenssiluokilla, jotka esitetään täydennettyinä osittain suunnattuina asyklisinä graafeina (CPDAG). Kausaali riittävyyden ja uskollisen datan generointiprosessin oletuksilla GES:n on todistettu palauttavan todellisen ekvivalenssiluokan suurten otosten rajalla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen verkkoBayesilainen tilastotiede↔ compare
- NOTEARS: Jatkuva optimointi kausaalisen rakenteen oppimiseenKausaalipäättely↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →