因果推断：原理解析与应用实践
全新正版 极速发货
￥ 36.12 5.2折 ￥ 69 全新
库存32件
广东广州
认证卖家担保交易快速发货售后保障
作者赵永贺 等
出版社电子工业
ISBN9787121466250
出版时间2023-12
装帧其他
开本其他
定价69元
货号1203137382
上书时间2024-07-09
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
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ACMSIGBIOCHINA2022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。
目录
第1章 相关关系和因果关系1
1.1 相关关系1
1.2 因果关系3
1.3 相关关系与因果关系之间的迷雾6
1.3.1 混杂6
1.3.2 样本的选择性偏差7
1.4 因果推断方法9
1.4.1 符号和表示工具9
1.4.2 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14
2.1 随机对照试验的统计学原理14
2.1.1 基本概念14
2.1.2 随机对照试验的核心思想15
2.1.3 统计学的反证思维：假设检验16
2.2 总体方差未知的情况17
2.3 两类统计错误19
2.4 随机对照试验流程21
2.4.1 最小样本容量22
2.4.2 试验结果分析24
2.5 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28
3.1 双重差分法28
3.1.1 DID模型的原理29
3.1.2 DID模型的有效性检验30
3.1.3 DID法的注意事项32
3.1.4 DID法案例分析33
3.2 合成控制法39
3.2.1 构建潜在的合成控制组40
3.2.2 求解合成控制组的权重41
3.2.3 合成控制组的应用42
3.2.4 合成控制法的评价43
3.2.5 合成控制法案例分析44
3.3 断点回归法48
3.3.1 设计原理49
3.3.2 确定分组变量和断点49
3.3.3 精确断点与模糊断点51
3.3.4 断点回归法的有效性检验52
3.3.5 断点回归法的结果分析52
3.3.6 断点回归法的评价53
3.3.7 断点回归法案例分析54
3.4 工具变量法61
3.4.1 工具变量的定义61
3.4.2 工具变量的前提假设62
3.4.3 工具变量的有效性63
3.4.4 工具变量的实践方式64
3.4.5 工具变量法案例分析66
3.5 主分层法72
3.5.1 随机对照试验中的不依从问题72
3.5.2 主分层法的原理73
3.5.3 主分层法的前提假设75
3.6 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80
4.1 POF80
4.1.1 POF的基本构成元素80
4.1.2 POF的因果指标81
4.1.3 POF的运行规则82
4.2 均衡的样本子空间88
4.2.1 分层方法88
4.2.2 匹配方法90
4.2.3 基于决策树的子空间划分94
4.3 重加权的样本空间96
4.3.1 逆倾向得分权重96
4.3.2 双鲁棒估计方法97
4.3.3 基于提升方法的泛化倾向得分权重98
4.3.4 协变量均衡倾向得分权重100
4.3.5 泛化的协变量均衡倾向得分权重101
4.4 去混杂的表征空间104
4.4.1 均衡表征学习104
4.4.2 局部相似表征学习107
4.5 基于潜在结果框架的因果推断方法的综合试验112
4.5.1 数据生成112
4.5.2 对照试验：估计ATE的常规方法114
4.5.3 试验一：分层方法115
4.5.4 试验二：匹配方法117
4.5.5 试验三：基于决策树的子空间划分119
4.5.6 试验四：逆倾向得分权重120
4.5.7 试验五：双鲁棒估计方法121
4.5.8 试验六：基于提升方法的泛化倾向得分权重122
4.5.9 试验七：协变量均衡倾向得分权重123
4.5.10 试验八：泛化的协变量均衡倾向得分权重124
4.5.11 试验九：均衡表征学习和局部相似表征学习124
4.5.12 总结127
4.6 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132
5.1 因果层级132
5.2 结构因果模型134
5.2.1 因果图134
5.2.2 因果图的基本节点结构135
5.2.3 因果图上的概率分布137
5.2.4 因果图上结构方程139
5.2.5 结构因果模型小结141
5.3 干预推断142
5.3.1 后门调整142
5.3.2 前门调整143
5.3.3 do演算144
5.4 干预的可识别性和识别算法147
5.4.1 基本概念和定义147
5.4.2 Px(v)的可识别性150
5.4.3 Px(s)的可识别性163
5.4.4 Pt(s)的可识别性179
5.4.5 半马尔可夫模型向马尔可夫模型的进化183
5.5 反事实预测184
5.6 本章小结186
参考文献186
内容摘要
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。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价