FCI-algoritmen — Snabb kausal inferens
Fast Causal Inference (FCI) algoritmen är en begränsningsbaserad metod för kausal upptäckt som introducerades av Spirtes, Glymour och Scheines i deras banbrytande bok Causation, Prediction, and Search från år 2000. Till skillnad från sin föregångare, PC-algoritmen, är FCI specifikt utformad för att hantera förekomsten av latenta (omätta) gemensamma orsaker och urvalsbias. Den producerar en Partial Ancestral Graph (PAG), som troget representerar mängden av alla kausala strukturer som är konsistenta med de observerade villkorliga oberoendena.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Spirtes, P., Glymour, C., & Scheines, R. (2000). Causation, Prediction, and Search (2nd ed.). MIT Press. ISBN: 978-0-262-19440-2
Så citerar du den här sidan
ScholarGate. (2026, June 2). Fast Causal Inference (FCI) Algorithm. ScholarGate. https://scholargate.app/sv/causal-inference/fci-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.
- Bayesianskt nätverkBayesiansk statistik↔ compare
- NOTEARS: Kontinuerlig optimering för kausal strukturinlärningKausal inferens↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →