因果推斷-原理解析與應用實踐 趙永賀 9787121466250 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$439
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202312*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：因果推斷-原理解析與應用實踐 ISBN：9787121466250 出版社：電子工業 著編譯者：趙永賀 頁數：187 所在地：中國大陸 *此為代購商品 書號：1596254 可大量預訂，請先連絡。 內容簡介 本書詳細介紹了因果推斷方法，並以實踐應用為輔，方便讀者理解。本書化繁為簡，層層深入，引導讀者了解因果推斷方法發展的歷程和現狀。通過本書，讀者可以獲得關於因果推斷方法的全局視角。 本書共5章，以遞進的方式展開對因果推斷方法的介紹。第1章從相關關係出發，通過介紹相關關係與因果關係的聯繫和區別過渡到對因果關係的探索。在明確因果關係概念的基礎上，第2章主要介紹洞察因果關係的金標準：隨機對照試驗。基於隨機對照試驗的原理和不同的應用場景，本書將因果推斷方法分為三大類：基於設計思想的因果推斷方法、基於潛在結果框架的因果推斷方法和基於結構因果模型的因果推斷方法。第3∼5章分別對這三大類方法進一步詳細分類，並進行解析。同時，這三大類方法的應用場景也呈現出遞進的關係。 本書適合有一定統計知識背景的讀者，特別是希望深入研究因果推斷方法並將其應用於各領域實踐的相關研究者閱讀。同時，本書也適合對因果推斷方法感興趣的在校學生和業界工作人員閱讀。作者簡介 孫慧妍，吉林大學人工智慧學院研究員，博士生導師。主要研究方向為因果推斷、機器學習、系統生物學。任吉林省人工智慧學會理事、中國生物信息學會（籌）系統生物學專委會常務委員、計算機學會生物信息學專委會通訊委員等。曾獲ACM SIGBIO CHINA 2022新星獎。目錄 第1章 相關關係和因果關係1 1 相關關係 1 2 因果關係 1 3 相關關係與因果關係之間的迷霧 1 3 1 混雜 1 3 2 樣本的選擇性偏差 1 4 因果推斷方法 1 4 1 符號和表示工具 1 4 2 本書涉及的因果推斷方法 參考文獻 第2章 隨機對照試驗 2 1 隨機對照試驗的統計學原理 2 1 1 基本概念 2 1 2 隨機對照試驗的核心思想 2 1 3 統計學的反證思維：假設檢驗 2 2 總體方差未知的情況 2 3 兩類統計錯誤 2 4 隨機對照試驗流程 2 4 1 最小樣本容量 2 4 2 試驗結果分析 2 5 本章小結 參考文獻 第3章 基於設計思想的因果推斷方法 3 1 雙重差分法 3 1 1 DID模型的原理 3 1 2 DID模型的有效性檢驗 3 1 3 DID法的注意事項 3 1 4 DID法案例分析 3 2 合成控製法 3 2 1 構建潛在的合成控制組 3 2 2 求解合成控制組的權重 3 2 3 合成控制組的應用 3 2 4 合成控製法的評價 3 2 5 合成控製法案例分析 3 3 斷點回歸法 3 3 1 設計原理 3 3 2 確定分組變數和斷點 3 3 3 精確斷點與模糊斷點 3 3 4 斷點回歸法的有效性檢驗 3 3 5 斷點回歸法的結果分析 3 3 6 斷點回歸法的評價 3 3 7 斷點回歸法案例分析 3 4 工具變數法 3 4 1 工具變數的定義 3 4 2 工具變數的前提假設 3 4 3 工具變數的有效性 3 4 4 工具變數的實踐方式 3 4 5 工具變數法案例分析 3 5 主分層法 3 5 1 隨機對照試驗中的不依從問題 3 5 2 主分層法的原理 3 5 3 主分層法的前提假設 3 6 本章小結 參考文獻 第4章 基於潛在結果框架的因果推斷方法 4 1 POF 4 1 1 POF的基本構成元素 4 1 2 POF的因果指標 4 1 3 POF的運行規則 4 2 均衡的樣本子空間 4 2 1 分層方法 4 2 2 匹配方法 4 2 3 基於決策樹的子空間劃分 4 3 重加權的樣本空間 4 3 1 逆傾向得分權重 4 3 2 雙魯棒估計方法 4 3 3 基於提升方法的泛化傾向得分權重 4 3 4 協變數均衡傾向得分權重 4 3 5 泛化的協變數均衡傾向得分權重 4 4 去混雜的表徵空間 4 4 1 均衡表徵學習 4 4 2 局部相似表徵學習 4 5 基於潛在結果框架的因果推斷方法的綜合試驗 4 5 1 數據生成 4 5 2 對照試驗：估計ATE的常規方法 4 5 3 試驗一：分層方法 4 5 4 試驗二：匹配方法 4 5 5 試驗三：基於決策樹的子空間劃分 4 5 6 試驗四：逆傾向得分權重 4 5 7 試驗五：雙魯棒估計方法 4 5 8 試驗六：基於提升方法的泛化傾向得分權重 4 5 9 試驗七：協變數均衡傾向得分權重 4 5 10 試驗八：泛化的協變數均衡傾向得分權重 4 5 11 試驗九：均衡表徵學習和局部相似表徵學習 4 5 12 總結 4 6 本章小結 參考文獻 第5章 基於結構因果模型的因果推斷方法 5 1 因果層級 5 2 結構因果模型 5 2 1 因果圖 5 2 2 因果圖的基本節點結構 5 2 3 因果圖上的概率分佈 5 2 4 因果圖上結構方程 5 2 5 結構因果模型小結 5 3 干預推斷 5 3 1 後門調整 5 3 2 前門調整 5 3 3 do演算 5 4 干預的可識別性和識別演算法 5 4 1 基本概念和定義 5 4 2 Px（v）的可識別性 5 4 3 Px（s）的可識別性 5 4 4 Pt（s）的可識別性 5 4 5 半馬爾可夫模型向馬爾可夫模型的進化 5 5 反事實預測 5 6 本章小結 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
