因果推論探索と因果推論の違いとは？各手法の概要と選び方を徹底解説！ - Qiita

因果推論探索の具体的な手法 因果推論探索では、観測データから因果構造を探索するために以下の手法が用いられます： 1. PCアルゴリズム（Peter-Clark Algorithm） 概要：条件付き独立性テストを用いて、変数間の因果関係を有向非巡回グラフ（DAG）として構築する手法です。 メリット： 確率的因果モデルに基づき、理論的に整合性がある。 少量のデータでも動作する。 デメリット： 高次元データでは計算コストが高く、ノイズに弱い。 2. LiNGAM（Linear Non-Gaussian Acyclic Model） 概要：線形性と非ガウス性の仮定を用いて因果構造を推定する手法です。因果の「方向」をデータから直接推定できる点が特徴です。 メリット： 因果の方向を特定できる。 計算が比較的高速。 デメリット： 非ガウス性と線形性の強い仮定があり、実データに適用できない場合もある。 3