新書推薦： 《
技术与德国 ： 1800年至今
》 售價：NT$
493.0
《
重返冰河时代：发现史前世界
》 售價：NT$
605.0
《
拉夫尔
》 售價：NT$
437.0
《
经济巨擘：思想碰撞与传承（精装典藏版）
》 售價：NT$
498.0
《
一如既往
》 售價：NT$
386.0
《
人工智能新时代：核心技术与行业赋能
》 售價：NT$
493.0
《
西方文明4000年（战争与和平，野蛮与文明，沉沦与觉醒，记录影响西方文明发展的历史瞬间）
》 售價：NT$
437.0
《
樱照良宵（全2册）
》 售價：NT$
391.0
內容簡介：
本书全面介绍了最新的因果推断方法，并以实践应用为辅，方便读者理解。本书化繁为简，层层深入地引导读者了解因果推断方法发展的历程和现状。通过本书，读者可以获得关于因果推断方法的全局视角。本书共5章，以递进的方式展开对因果推断方法的介绍。第1章从广泛熟悉的相关关系出发，通过介绍相关关系与因果关系的联系与区别过渡到对因果关系的探索。在明确因果关系概念的基础上，第2章主要介绍洞察因果关系的金标准：随机对照试验。基于随机对照试验的原理和不同的应用场景，本书将因果推断方法分为3类：基于设计思想的因果推断方法、基于潜在结果框架的因果推断方法和基于结构因果模型的因果推断方法。第3章～第5章分别对这3类方法进一步详细分类，并进行解析。同时，这3类方法的应用场景也呈现递进的关系。本书适合有一定统计知识背景的读者，特别是希望深入研究因果推断方法并将其应用于各领域实践的相关研究者。同时，本书也适合对因果推断方法感兴趣的在校学生和业界工作人员。
關於作者：
赵永贺网易原数据分析师，吉林大学博士生。主要研究方向为因果推断算法的理论扩展和跨学科实践应用。曾获永洪YVP数据分析最具影响力专家奖。孙慧妍吉林大学人工智能学院研究员，博士生导师。主要研究方向为因果推断、机器学习、系统生物学。任吉林省人工智能学会理事、中国生物信息学会（筹）系统生物学专委会常务委员、计算机学会生物信息学专委会通讯委员等。曾获ACM SIGBIO CHINA 2022新星奖。吴思威本科毕业于大连海事大学网络工程专业，现于吉林大学人工智能学院计算机科学与技术专业攻读硕士研究生，研究方向为因果推断、生物信息学。
目錄
第1章 相关关系和因果关系11.1 相关关系11.2 因果关系31.3 相关关系与因果关系之间的迷雾61.3.1 混杂61.3.2 样本的选择性偏差71.4 因果推断方法91.4.1 符号和表示工具91.4.2 本书涉及的因果推断方法10参考文献12第2章 随机对照试验142.1 随机对照试验的统计学原理142.1.1 基本概念142.1.2 随机对照试验的核心思想152.1.3 统计学的反证思维：假设检验162.2 总体方差未知的情况172.3 两类统计错误192.4 随机对照试验流程212.4.1 最小样本容量222.4.2 试验结果分析242.5 本章小结25参考文献26第3章 基于设计思想的因果推断方法283.1 双重差分法283.1.1 DID模型的原理293.1.2 DID模型的有效性检验303.1.3 DID法的注意事项323.1.4 DID法案例分析333.2 合成控制法393.2.1 构建潜在的合成控制组403.2.2 求解合成控制组的权重413.2.3 合成控制组的应用423.2.4 合成控制法的评价433.2.5 合成控制法案例分析443.3 断点回归法483.3.1 设计原理493.3.2 确定分组变量和断点493.3.3 精确断点与模糊断点513.3.4 断点回归法的有效性检验523.3.5 断点回归法的结果分析523.3.6 断点回归法的评价533.3.7 断点回归法案例分析543.4 工具变量法613.4.1 工具变量的定义613.4.2 工具变量的前提假设623.4.3 工具变量的有效性633.4.4 工具变量的实践方式643.4.5 工具变量法案例分析663.5 主分层法723.5.1 随机对照试验中的不依从问题723.5.2 主分层法的原理733.5.3 主分层法的前提假设753.6 本章小结76参考文献77第4章 基于潜在结果框架的因果推断方法804.1 POF804.1.1 POF的基本构成元素804.1.2 POF的因果指标814.1.3 POF的运行规则824.2 均衡的样本子空间884.2.1 分层方法884.2.2 匹配方法904.2.3 基于决策树的子空间划分944.3 重加权的样本空间964.3.1 逆倾向得分权重964.3.2 双鲁棒估计方法974.3.3 基于提升方法的泛化倾向得分权重984.3.4 协变量均衡倾向得分权重1004.3.5 泛化的协变量均衡倾向得分权重1014.4 去混杂的表征空间1044.4.1 均衡表征学习1044.4.2 局部相似表征学习1074.5 基于潜在结果框架的因果推断方法的综合试验1124.5.1 数据生成1124.5.2 对照试验：估计ATE的常规方法1144.5.3 试验一：分层方法1154.5.4 试验二：匹配方法1174.5.5 试验三：基于决策树的子空间划分1194.5.6 试验四：逆倾向得分权重1204.5.7 试验五：双鲁棒估计方法1214.5.8 试验六：基于提升方法的泛化倾向得分权重1224.5.9 试验七：协变量均衡倾向得分权重1234.5.10 试验八：泛化的协变量均衡倾向得分权重1244.5.11 试验九：均衡表征学习和局部相似表征学习1244.5.12 总结1274.6 本章小结127参考文献128第5章 基于结构因果模型的因果推断方法1325.1 因果层级1325.2 结构因果模型1345.2.1 因果图1345.2.2 因果图的基本节点结构1355.2.3 因果图上的概率分布1375.2.4 因果图上结构方程1395.2.5 结构因果模型小结1415.3 干预推断1425.3.1 后门调整1425.3.2 前门调整1435.3.3 do演算1445.4 干预的可识别性和识别算法1475.4.1 基本概念和定义1475.4.2 Px(v)的可识别性1505.4.3 Px(s)的可识别性1635.4.4 Pt(s)的可识别性1795.4.5 半马尔可夫模型向马尔可夫模型的进化1835.5 反事实预测1845.6 本章小结186参考文献186
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
