Algorytm GES — Zachłanne wyszukiwanie równoważności w odkrywaniu przyczynowości
Zachłanne wyszukiwanie równoważności (GES) jest algorytmem opartym na funkcji oceny służącym do uczenia struktury przyczynowej zbioru zmiennych na podstawie danych obserwacyjnych. Wprowadzony przez Davida Maxwella Chickeringa w 2002 roku, GES działa bezpośrednio na klasach równoważności Markowa skierowanych grafów acyklicznych (DAG), reprezentowanych jako uzupełnione częściowo skierowane grafy acykliczne (CPDAG). Przy założeniach o przyczynowej wystarczalności i wiernym procesie generowania danych, udowodniono, że GES odzyskuje prawdziwą klasę równoważności w granicy dużych prób.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/pl/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.
- Sieć bayesowskaStatystyka bayesowska↔ compare
- NOTEARS: Ciągłe optymalizowanie dla uczenia struktury przyczynowejWnioskowanie przyczynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →