Algorithme GES — Recherche Gloutonne d'Équivalence pour la Découverte Causale
La Recherche Gloutonne d'Équivalence (GES) est un algorithme basé sur un score pour l'apprentissage de la structure causale d'un ensemble de variables à partir de données observationnelles. Introduit par David Maxwell Chickering en 2002, GES opère directement sur les classes d'équivalence de Markov des graphes acycliques dirigés (DAGs), représentées sous forme de graphes acycliques partiellement dirigés complétés (CPDAGs). Sous les hypothèses de suffisance causale et d'un processus de génération de données fidèle, GES est prouvé pour retrouver la classe d'équivalence vraie dans la limite des grands échantillons.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Comment citer cette page
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/fr/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.
- Réseau bayésienBayésien↔ compare
- NOTEARS : Optimisation Continue pour l'Apprentissage de Structures CausalesInférence causale↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →