因果推斷:基於圖模型分析羅銳
羅銳 著
- 出版商: 機械工業
- 出版日期: 2023-03-01
- 售價: $474
- 貴賓價: 9.5 折 $450
- 語言: 簡體中文
- 頁數: 328
- 裝訂: 平裝
- ISBN: 7111719891
- ISBN-13: 9787111719892
-
相關分類:
人工智慧、機率統計學 Probability-and-statistics
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$380$300 -
$673知識圖譜:方法、實踐與應用
-
$419$398 -
$163傾向值匹配法的概述與應用:從統計關聯到因果推論
-
$400$316 -
$620$465 -
$600$468 -
$901知識圖譜:認知智能理論與實戰
-
$968知識圖譜研究與領域實踐
-
$620$310 -
$602因果推斷與機器學習
-
$403速通深度學習數學基礎
-
$505統計推斷:面向工程和數據科學
-
$857R語言臨床預測模型實戰
-
$556PyTorch 高級機器學習實戰
-
$454因果推理:基礎與學習算法
-
$834$792 -
$474$450 -
$534$507 -
$630$536 -
$760$593 -
$414$393 -
$600$570 -
$560$549 -
$680$537
相關主題
商品描述
本書對因果推斷進行了介紹,全書分為五個部分:
首先在第1章、第2章和第3章介紹了因果推斷研究的背景,以及基於圖模型分析進行因果推斷所需要的基礎知識;
第二部分包括第4章和第5章,介紹了因果推斷中的干預分析和反事實分析;
第三部分包括第6章和第7章,是因果推斷的進階內容,
在干預分析和反事實分析基礎上介紹了因果關係概率的計算以及復雜條件下因果效應的計算;
第四部分內容是因果關係中反映各個變量之間關係的圖模型結構的學習,相應內容在第8章;
最後在第9章以推薦系統和強化學習為例,對因果推斷的應用進行了簡單介紹。
本書可以作為人工智能、數據科學、統計等相關專業技術人員因果推斷方面的入門讀物,
也可以用於高等院校人工智能、數據科學、統計等相關專業高年級本科生或研究生的課堂教學,
還可供醫學、法學、經濟學、社會學和情報分析等研究領域需要應用因果推斷技術的專業人員參考。
目錄大綱
前言
第1章緒論1
1.1辛普森悖論1
1.2相關性與因果關係5
1.3變量之間的關係9
1.4本書主要內容及安排11
第2章數學基礎13
2.1隨機變量和隨機事件13
2.1.1隨機變量13
2.1.2隨機事件14
2.2概率及其計算16
2.2.1概率與條件概率16
2.2.2概率分佈19
2.2.3概率的計算公式19
2.3獨立性22
2.4貝葉斯公式及其應用25
2.5隨機變量的數字特徵30
2.6回歸33
2.6.1一元線性回歸33
2.6.2多元線性回歸35
2.7因果關係的表示:圖模型與結構因果模型37
2.7.1因果關係的概念37
2.7.2圖模型38
2.7.3結構因果模型40
2.7.4圖模型和結構因果模型的比較41
2.8因子分解42
2.8.1圖模型的馬爾可夫性43
2.8.2因子分解表達式44
2.9圖模型結構的程序實現46
2.9.1R軟件的安裝46
2.9.2DAGitty包的安裝與加載48
2.9.3圖模型的生成50
第3章圖模型分析55
3.1基本圖模型結構的分析55
3.1.1鍊式結構56
3.1.2分叉結構57
3.1.3對撞結構59
3.2d劃分66
3.2.1d劃分的概念66
3.2.2d劃分的判斷70
3.2.3d劃分變量集合搜索73
3.3圖模型與概率分佈78
3.4圖模型分析的程序實現80
第4章干預分析89
4.1因果效應的調整表達式計算89
4.1.1混雜偏差89
4.1.2干預的數學表達90
4.1.3通過調整表達式計算因果效應92
4.1.4調整變量的設計96
4.2後門準則與前門準則101
4.2.1後門準則101
4.2.2前門準則107
4.3多變量干預和特定變量取值干預112
4.3.1多變量干預112
4.3.2特定變量取值時的干預分析115
4.3.3條件干預118
4.4直接因果效應與間接因果效應119
4.5因果效應的估計125
4.5.1反概率權重法125
4.5.2傾向值評分匹配法129
4.6線性系統中的因果推斷133
4.6.1線性系統因果推斷分析的特點133
4.6.2路徑係數及其在因果推斷分析中的應用137
4.6.3線性系統中路徑係數的計算141
4.7工具變量150
4.8干預分析的程序實現154
4.8.1獲取調整變量集合154
4.8.2通過傾向值評分匹配計算ACE158
第5章反事實分析及其應用164
……