GES Algorithm — חיפוש חמדני לשקילות לגילוי סיבתי
Greedy Equivalence Search (GES) הוא אלגוריתם מבוסס-ציון ללימוד המבנה הסיבתי של קבוצת משתנים מנתונים תצפיתיים. האלגוריתם, שהוצג על ידי David Maxwell Chickering בשנת 2002, פועל ישירות על מחלקות שקילות מרקוב של גרפים מכוונים א-ציקליים (DAGs), המיוצגות כגרפים מכוונים-א-ציקליים חלקיים מושלמים (CPDAGs). תחת ההנחות של דיוק סיבתי (causal sufficiency) ותהליך יצירת נתונים נאמן (faithful), הוכח כי GES משחזר את מחלקת השקילות האמיתית בגבול גודל המדגם האינסופי.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/he/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.
- רשת בייסיאניתבייסיאני↔ compare
- NOTEARS: אופטימיזציה רציפה ללמידת מבנה סיבתיהסקה סיבתית↔ compare