Без заголовка

Вот это вот все ниже это реально, много лет работающие алгоритмы которые не занимаются конфирматорным анализом, а именно строят структуру причинно-следственных связей объясняющих имеющееся экспериментально полученное многомерное распределение. Да, они не могут сами вводить новые переменные и т.д. и т.п. Но они решают именно задачу объективного построения оптимальной объясняющей структуры. bnlearn implements the following constraint-based structure learning algorithms: PC (the stable version); Grow-Shrink (GS); Incremental Association Markov Blanket (IAMB); Fast Incremental Association (Fast-IAMB); Interleaved Incremental Association (Inter-IAMB); Incremental Association with FDR Correction (IAMB-FDR); Max-Min Parents & Children (MMPC); Semi-Interleaved Hiton-PC (SI-HITON-PC); Hybrid Parents & Children (HPC); the following score-based structure learning algorithms: Hill Climbing (HC); Tabu Search (Tabu); the following hybrid structure learning algorithms: Max-Min Hill Climbing (MMHC); Hybrid HPC (H2PC); General 2-Phase Restricted Maximization (RSMAX2); the following local discovery algorithms: Chow-Liu; ARACNE;