Machine learningCausal discovery
GES算法 — 贪婪等价搜索用于因果发现
贪婪等价搜索（GES）是一种基于评分的算法，用于从观测数据中学习变量集合的因果结构。GES由David Maxwell Chickering于2002年提出，它直接在有向无环图（DAG）的马尔可夫等价类上操作，这些等价类表示为已完成的偏有向无环图（CPDAG）。在因果充分性和忠实数据生成过程的假设下，GES被证明在大样本极限下可以恢复真实的等价类。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- Chickering, D. M. (2002). Optimal structure identification with greedy search. Journal of Machine Learning Research, 3, 507–554. link ↗
如何引用本页
ScholarGate. (2026, June 2). Greedy Equivalence Search (GES). ScholarGate. https://scholargate.app/zh/causal-inference/ges-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.
Compare side by side →