Machine learningDynamical causality
収束的相互写像(CCM)
収束的相互写像(CCM)は、共有される力学系に埋め込まれた時系列変数間の因果関係を検出するための非線形状態空間法である。ジョージ・スギハラと同僚が2012年の画期的なScience論文で提唱したCCMは、タケンスの埋め込み定理を利用する。すなわち、変数XがYに因果的に影響を与える場合、Yの過去の記録にはXの状態を復元するのに十分な情報が含まれている。相互写像の精度が、時系列ライブラリが長くなるにつれて改善(収束)するとき、因果関係が確認される。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
このページの引用方法
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/ja/causal-inference/convergent-cross-mapping
どの手法を選ぶ?
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →