Algoritmo GES — Busca Gulosa por Equivalência para Descoberta Causal

A Busca Gulosa por Equivalência (GES) é um algoritmo baseado em pontuação para aprender a estrutura causal de um conjunto de variáveis a partir de dados observacionais. Introduzido por David Maxwell Chickering em 2002, o GES opera diretamente em classes de equivalência de Markov de grafos acíclicos direcionados (DAGs), representados como grafos acíclicos parcialmente direcionados completados (CPDAGs). Sob as suposições de suficiência causal e um processo de geração de dados fiel, o GES tem a prova de recuperar a classe de equivalência verdadeira no limite de amostras grandes.