Алгоритми причинно-наслідкового виявлення (PC, FCI, LiNGAM)
Причинно-наслідкове виявлення — це сімейство алгоритмів, які автоматично вивчають орієнтований ациклічний граф (DAG), що описує причинну структуру безпосередньо з спостережуваних даних. Базовані на обмеженнях алгоритми PC та FCI були розроблені Spirtes, Glymour та Scheines (2000), тоді як модель LiNGAM від Shimizu та ін. (2006) використовує лінійну неґауссову структуру для орієнтації ребер.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Causal Discovery Algorithms (PC, FCI, LiNGAM). ScholarGate. https://scholargate.app/uk/causal-inference/causal-discovery
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.
- DAG Causal IdentificationПричинно-наслідковий висновок↔ compare
- Різниця різниць (Diff-in-Diff)Економетрика↔ compare
- Метод інструментальних змінних (ІЗ) для причинно-наслідкового висновкуЕкономіка охорони здоров'я↔ compare
- Регресія звичайно найменших квадратів (ЗНК)Економетрика↔ compare
- Зіставлення за показником схильностіСтатистика досліджень↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →