Machine learningCausal discovery
NOTEARS：因果结构学习的连续优化
NOTEARS（No Tears: Acyclicity Regression Structure）是由Zheng、Aragam、Ravikumar和Xing于2018年在NeurIPS上提出的一种因果结构学习算法。它将从观测数据中学习有向无环图（DAG）这一组合优化难题，重新表述为一个连续、光滑的优化问题，从而能够使用标准的基于梯度的求解器，并消除了对图空间进行穷举组合搜索的需要。
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。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Zheng, X., Aragam, B., Ravikumar, P., & Xing, E. P. (2018). DAGs with NO TEARS: Continuous optimization for structure learning. Advances in Neural Information Processing Systems, 31. link ↗
如何引用本页
ScholarGate. (2026, June 2). NOTEARS Continuous DAG Structure Learning. ScholarGate. https://scholargate.app/zh/causal-inference/notears
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →