Machine learningDynamical causality
수렴 교차 사상 (Convergent Cross Mapping, CCM)
수렴 교차 사상 (CCM)은 공유된 동적 시스템에 내재된 시계열 변수 간의 인과 관계를 탐지하기 위한 비선형 상태 공간 방법론이다. George Sugihara와 동료들이 2012년 Science 지에 발표한 기념비적인 논문에서 소개한 CCM은 Takens의 임베딩 정리를 활용한다: 변수 X가 Y에 인과적으로 영향을 미친다면, Y의 과거 기록에는 X의 상태를 복구할 충분한 정보가 포함되어 있다. 시계열 라이브러리가 길어짐에 따라 교차 사상 성능이 향상되어 수렴하면 인과 관계가 확인된다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Sugihara, G., et al. (2012). Detecting causality in complex ecosystems. Science, 338(6106), 496–500. DOI: 10.1126/science.1227079 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Convergent Cross Mapping (CCM). ScholarGate. https://scholargate.app/ko/causal-inference/convergent-cross-mapping
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →