Machine learningCausal discovery
NOTEARS: 연속 최적화를 통한 인과 구조 학습
NOTEARS (No Tears: Acyclicity Regression Structure)는 2018년 NeurIPS에서 Zheng, Aragam, Ravikumar, Xing이 소개한 인과 구조 학습 알고리즘입니다. 이 알고리즘은 관측 데이터로부터 방향성 비순환 그래프(DAG)를 학습하는 조합론적으로 어려운 문제를 연속적이고 매끄러운 최적화 문제로 재구성하여, 표준 경사 기반 솔버를 사용할 수 있게 하고 그래프 공간에 대한 완전한 조합 탐색의 필요성을 제거합니다.
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
- Zheng, X., Aragam, B., Ravikumar, P., & Xing, E. P. (2018). DAGs with NO TEARS: Continuous optimization for structure learning. Advances in Neural Information Processing Systems, 31. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). NOTEARS Continuous DAG Structure Learning. ScholarGate. https://scholargate.app/ko/causal-inference/notears
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.
Compare side by side →