Algoritms GES — Apgraizītā ekvivalences meklēšana cēloņsakarību atklāšanai
Apgraizītā ekvivalences meklēšana (GES) ir uz rezultātu balstīts algoritms, kas paredzēts cēloņsakarību struktūras apguvei no novērojumu datu kopas. Deivida Maksvila Čikeringa 2002. gadā ieviestais GES tieši darbojas ar nenoteikto ciklisko grafu (DAG) Markova ekvivalences klasēm, kas tiek attēlotas kā pabeigti daļēji nenoteikti cikliski grafi (CPDAG). Pieņemot cēloņsakarību pietiekamību un uzticamu datu ģenerēšanas procesu, ir pierādīts, ka GES lielu paraugu limitā atgūst patieso ekvivalences klasi.
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
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/lv/causal-inference/ges-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 →