Algoritmo GES — Ricerca Greedy di Equivalenza per la Scoperta Causale
La Ricerca Greedy di Equivalenza (GES) è un algoritmo basato su punteggio per l'apprendimento della struttura causale di un insieme di variabili a partire da dati osservazionali. Introdotto da David Maxwell Chickering nel 2002, GES opera direttamente sulle classi di equivalenza di Markov di grafi aciclici diretti (DAG), rappresentate come grafi aciclici parzialmente diretti completati (CPDAG). Sotto le assunzioni di sufficienza causale e di un processo generatore di dati fedele, è dimostrato che GES recupera la vera classe di equivalenza nel limite di campioni di grandi dimensioni.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Come citare questa pagina
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/it/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.
- Rete BayesianaBayesiano↔ compare
- NOTEARS: Ottimizzazione Continua per l'Apprendimento di Strutture CausaliInferenza causale↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →