Algoritmy kauzálneho objavovania (PC, FCI, LiNGAM)
Kauzálne objavovanie je rodina algoritmov, ktoré automaticky naučia orientovaný acyklický graf (DAG) popisujúci kauzálnu štruktúru priamo z pozorovacích údajov. Algoritmy PC a FCI založené na obmedzeniach vyvinuli Spirtes, Glymour a Scheines (2000), zatiaľ čo model LiNGAM od Shimizu et al. (2006) využíva lineárnu negauusovskú štruktúru na orientáciu hrán.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0262194402
- Shimizu, S., Hoyer, P. O., Hyvärinen, A., & Kerminen, A. (2006). A Linear Non-Gaussian Acyclic Model for Causal Discovery. Journal of Machine Learning Research, 7, 2003-2030. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/sk/causal-inference/causal-discovery
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Identifikácia kauzality pomocou orientovaných acyklických grafov (do-kalkulus)Kauzálna inferencia↔ porovnať
- Metóda rozdielu rozdielov (Diff-in-Diff)Ekonometria↔ porovnať
- Metóda instrumentálnych premenných (IV) pre kauzálnu inferenciuEkonomika zdravotníctva↔ porovnať
- Regresia metódou najmenších štvorcov (OLS)Ekonometria↔ porovnať
- Zodpovedajúce skóre sklonuŠtatistika vo výskume↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →