FCI algoritms — Ātra cēloņsakarību noteikšana
Ātrās cēloņsakarību noteikšanas (FCI) algoritms ir uz nosacījumiem balstīta cēloņsakarību atklāšanas metode, ko ieviesuši Spirtes, Glymour un Scheines savā nozīmīgajā 2000. gada grāmatā Causation, Prediction, and Search. Atšķirībā no tā priekšgājēja PC algoritma, FCI ir īpaši izstrādāts, lai apstrādātu latentu (neizmērītu) kopīgu cēloņu un izlases atlases aizspriedumu klātbūtni. Tas izvada daļēju senču grafu (PAG), kas uzticami attēlo visu cēloņsakarību struktūru kopumu, kas ir saderīgs ar novērotajām nosacītajām neatkarībām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0-262-19440-2
Kā citēt šo lapu
ScholarGate. (2026, June 2). Fast Causal Inference (FCI) Algorithm. ScholarGate. https://scholargate.app/lv/causal-inference/fci-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.
- Bayes' tīklsBajesa metodes↔ compare
- NOTEARS: Nepārtraukta optimizācija cēloņsakarību struktūras apguveiCēloņsakarību secināšana↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →