Regression model
인과관계 발견 알고리즘 (PC, FCI, LiNGAM)
인과관계 발견은 관측 데이터로부터 인과 구조를 나타내는 방향성 비순환 그래프(DAG)를 자동으로 학습하는 알고리즘군입니다. 제약 기반 PC 및 FCI 알고리즘은 Spirtes, Glymour 및 Scheines (2000)에 의해 개발되었으며, Shimizu et al. (2006)의 LiNGAM 모델은 선형 비정규 분포 구조를 활용하여 엣지의 방향을 결정합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/ko/causal-inference/causal-discovery
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.
- 방향성 비순환 그래프(DAG)를 이용한 인과 관계 식별(do-calculus)인과추론↔ compare
- 이중차분법 (Diff-in-Diff)계량경제학↔ compare
- 인과 추론을 위한 도구 변수(IV) 방법보건경제학↔ compare
- 최소제곱법(OLS) 회귀계량경제학↔ compare
- 성향 점수 매칭연구 통계↔ compare