Algoritmi za otkrivanje uzročnosti (PC, FCI, LiNGAM)
Otkrivanje uzročnosti je obitelj algoritama koji automatski uče usmjereni aciklički graf (DAG) koji opisuje uzročnu strukturu izravno iz opservacijskih podataka. Algoritmi PC i FCI temeljeni na ograničenjima razvili su Spirtes, Glymour i Scheines (2000.), dok model LiNGAM Shimizua i sur. (2006.) iskorištava linearnu ne-Gaussovu strukturu za orijentaciju rubova.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/hr/causal-inference/causal-discovery
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Identifikacija uzročnosti pomoću usmjerenih acikličkih grafova (do-račun)Uzročno zaključivanje↔ usporedi
- Metoda razlika u razlikama (engl. Difference-in-Differences, DiD)Ekonometrija↔ usporedi
- Metoda instrumentalnih varijabli (IV) za kauzalno zaključivanjeZdravstvena ekonomija↔ usporedi
- Regresija običnih najmanjih kvadrata (OLS)Ekonometrija↔ usporedi
- Uparivanje prema ocjeni sklonostiIstraživačka statistika↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →