pcalg：图形模型和因果推理方法

因果结构函数使用图形模型进行学习和因果推理。主要算法用于因果结构学习的是PC（用于没有隐藏的观测数据变量）、FCI和RFCI（用于具有隐藏变量的观测数据），和GIES（用于观测研究的混合数据（即观测数据）和实验数据涉及干预（即干预数据）而不隐藏变量）。对于因果推理，IDA算法后门准则（GBC），广义调整准则（GAC）并实现了一些相关功能。合并功能提供了背景知识。

版本：	2.7-12
取决于：	R（≥3.5.0）
进口：	统计、图形、实用程序、方法、，阿宾德,图表,苏格兰皇家银行,记录仪,全球黄金市场,公司,鲁棒基地,录像机,卢比,bdsmatrix公司,sfsmisc公司(≥1.0-26),fastICA（快速ICA）,线索
链接到：	卢比(≥ 0.11.0),RcppArmadillo公司,伯克希尔哈撒韦
建议：	MASS（质量）,矩阵,Rgraphviz公司,mvtnorm公司,巨大的,ggplot2,达吉蒂
出版：	2024-09-12
内政部：	10.32614/CRAN.包装.pcalg
作者：	马库斯·卡利什[aut，cre]，阿兰·豪泽[aut]，马丁·梅克勒，迭戈·科伦坡，多丽丝·恩特纳，帕特里克·霍耶，安蒂·海蒂宁[ctb]，乔纳斯·彼得斯，尼科莱塔·安德里，埃米利亚·佩尔科维奇，普雷塔姆·南迪，菲利普·鲁蒂曼[ctb]，Daniel Stekhoven[ctb]，曼努埃尔·舒尔赫[ctb]，马可·艾根曼，伦纳德·亨克尔，乔里斯·穆伊
维护人员：	马库斯·卡利什（Markus Kalisch）<Kalisch at stat.math.ethz.ch>
许可证：	GPL-2型|GPL-3公司[扩展自：GPL（≥2）]
网址：	https://pcalg.r.forge.r-project.org网站/
需要编译：	对
引用：	pcalg引文信息
材料：	新闻 更改日志
在视图中：	因果推断,图形模型
CRAN检查：	pcalg结果

文档：

参考手册：	pcalg.pdf格式
渐晕图：	R的“pcalg”包概述(来源,R代码)

下载内容：

包源：	pcalg_2.7-12.tar.gz
Windows二进制文件：	r-devel公司：pcalg_2.7-12.zip文件，r版本：pcalg_2.7-12.zip文件，r-oldrel：pcalg_2.7-12.zip文件
macOS二进制文件：	r释放（arm64）：pcalg2.7-12.tgz的，r-oldrel（arm64）：pcalg_2.7-12.tgz，r-release（x86_64）：pcalg_2.7-12.tgz，r-oldrel（x86_64）：pcalg_2.7-12.tgz
旧来源：	pcalg存档

反向依赖关系：

反向取决于：	米克（micd）,qtlnet（qtlnet）,tpc公司
反向进口：	BiDAG公司,因果迪斯科,clustNet（群集网络）,dce公司,效率2,epiNEM公司,kpcalg（千帕）,mDAG公司,米尔拉布,MRPC公司,NetCoupler（网络耦合器）,pcgen（多氯联苯）,SID（SID）
反向建议：	后退Shift,比较CausalNetworks,iTOP公司,并行PC,SCCI公司

链接：

请使用规范形式https://CRAN.R-project.org/package=pcalg链接到此页面。