การค้นพบและการเรียนรู้ของเครื่องเชิงสาเหตุ
8 วิธีในตระกูลนี้
แนะนำ
ขั้นตอนวิธีค้นหาความเป็นเหตุเป็นผล (PC, FCI, LiNGAM)Causal discovery is a family of algorithms that automatically learn a directed acyclic graph (DAG) describing causal structure directly from observational data. The constraint-baseFCI AlgorithmThe Fast Causal Inference (FCI) algorithm is a constraint-based causal discovery method introduced by Spirtes, Glymour, and Scheines in their landmark 2000 book Causation, Predictiอัลกอริทึม GESGreedy Equivalence Search (GES) is a score-based algorithm for learning the causal structure of a set of variables from observational data. Introduced by David Maxwell Chickering iการประเมินผลกระทบเชิงโต้กลับที่เสริมด้วยแมชชีนเลิร์นนิงMachine learning-augmented counterfactual impact evaluation combines the credibility of potential-outcomes causal inference with the flexibility of modern ML algorithms. Rather thaการออกแบบการไม่ต่อเนื่องของการถดถอยแบบฟัซซีที่เสริมด้วยการเรียนรู้ของเครื่องML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. Wherแบบจำลองโครงสร้างตามขอบเขตที่เสริมด้วยการเรียนรู้ของเครื่อง (ML-MSM)The machine learning-augmented marginal structural model combines the causal rigour of Robins et al.'s MSM framework with flexible, data-adaptive ML algorithms for estimating prope
เส้นทางการอ่าน
ระเบียบวิธีเชิงรากฐานที่ถูกอ้างอิงมากที่สุดของหัวข้อนี้ เรียงตามลำดับการพัฒนา — จุดเริ่มต้นที่ดีหากท่านเพิ่งเริ่มศึกษา
วิธีทั้งหมด 8
ขั้นตอนวิธีค้นหาความเป็นเหตุเป็นผล (PC, FCI, LiNGAM)FCI Algorithmอัลกอริทึม GESการประเมินผลกระทบเชิงโต้กลับที่เสริมด้วยแมชชีนเลิร์นนิงการออกแบบการไม่ต่อเนื่องของการถดถอยแบบฟัซซีที่เสริมด้วยการเรียนรู้ของเครื่องแบบจำลองโครงสร้างตามขอบเขตที่เสริมด้วยการเรียนรู้ของเครื่อง (ML-MSM)NOTEARS: การหาโครงสร้างเชิงสาเหตุแบบต่อเนื่องการประมาณค่าภาวะน่าจะเป็นสูงสุดแบบกำหนดเป้าหมาย (TMLE)