GES Algoritme — Greedy Equivalence Search voor Causale Ontdekking
Greedy Equivalence Search (GES) is een score-gebaseerd algoritme voor het leren van de causale structuur van een set variabelen uit observationele data. Geïntroduceerd door David Maxwell Chickering in 2002, opereert GES direct op Markov-equivalentieklassen van gerichte acyclische grafen (DAGs), gerepresenteerd als completed partially directed acyclic graphs (CPDAGs). Onder de aannames van causale volledigheid en een getrouw datagenererend proces, is bewezen dat GES de ware equivalentieklasse herstelt in de limiet van grote steekproeven.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/nl/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.
- Bayesiaans NetwerkBayesiaanse statistiek↔ compare
- NOTEARS: Continue Optimalisatie voor Causale StructuurleringCausale inferentie↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →