幫助中心 | 我的帳號 | 關於我們

因果推斷與機器學習

  • 作者:編者:郭若城//程璐//劉昊//劉歡|責編:李利健
  • 出版社:電子工業
  • ISBN:9787121444623
  • 出版日期:2023/01/01
  • 裝幀:平裝
  • 頁數:251
人民幣:RMB 118 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書是一本理論紮實,同時聯繫實際應用的圖書。全書系統地介紹了因果推斷的基本知識、基於機器學習的因果推斷方法和基於因果推斷的機器學習方法及其在一些重要領域的應用。
    全書共分6章。第1章從潛結果框架和結構因果模型出發,介紹因果推斷的基本概念和方法。第2章介紹近年統計和機器學習文獻中出現的一些重要的基於機器學習的因果推斷方法。第3章介紹能夠提高機器學習模型的泛化能力的因果表徵學習。第4章介紹因果機器學習如何提高機器學習模型的可解釋性與公平性。第5章介紹因果機器學習在推薦系統和學習排序中的應用。第6章是對全書的一個總結和對未來的展望。
    本書對結合因果推斷和機器學習的理論與實踐進行了介紹。通過閱讀本書,讀者不僅可以掌握因果機器學習的基礎理論,還可對本書中提到的論文代碼進行鑽研,從而在實踐中加深對因果機器學習的理解。
    本書適合對因果推斷和機器學習感興趣的高校學生、教師閱讀,也適合相關行業的工程師、數據科學家和研究員閱讀。

作者介紹
編者:郭若城//程璐//劉昊//劉歡|責編:李利健

目錄
第1章  因果推斷入門
  1.1  定義因果關係的兩種基本框架
    1.1.1  結構因果模型
    1.1.2  潛結果框架
  1.2  因果識別和因果效應估測
    1.2.1  工具變數
    1.2.2  斷點回歸設計
    1.2.3  前門準則
    1.2.4  雙重差分模型
    1.2.5  合成控制
    1.2.6  因果中介效應分析
    1.2.7  部分識別、ATE的上下界和敏感度分析
第2章  用機器學習解決因果推斷問題
  2.1  基於集成學習的因果推斷
  2.2  基於神經網路的因果推斷
    2.2.1  反事實回歸網路
    2.2.2  因果效應變分自編碼器
    2.2.3  因果中介效應分析變分自編碼器
    2.2.4  針對線上評論多方面情感的多重因果效應估計
    2.2.5  基於多模態代理變數的多方面情感效應估計
    2.2.6  在網路數據中解決因果推斷問題
第3章  因果表徵學習與泛化能力
  3.1  數據增強
    3.1.1  利用眾包技術的反事實數據增強
    3.1.2  基於規則的反事實數據增強
    3.1.3  基於模型的反事實數據增強
  3.2  提高模型泛化能力的歸納偏置
    3.2.1  使用不變預測的因果推理
    3.2.2  獨立機制原則
    3.2.3  因果學習和反因果學習
    3.2.4  半同胞回歸
    3.2.5  不變風險最小化
    3.2.6  不變合理化
第4章  可解釋性、公平性和因果機器學習
  4.1  可解釋性
    4.1.1  可解釋性的屬性
    4.1.2  基於相關性的可解釋性模型
    4.1.3  基於因果機器學習的可解釋性模型
  4.2  公平性
    4.2.1  不公平機器學習的典型實例
    4.2.2  機器學習不公平的原因
    4.2.3  基於相關關係的公平性定義
    4.2.4  因果推斷對公平性研究的重要性
    4.2.5  因果公平性定義
    4.2.6  基於因果推斷的公平機器學習
  4.3  因果推斷在可信和負責任人工智慧的其他應用
第5章  特定領域的機器學習
  5.1  推薦系統與因果機器學習
    5.1.1  推薦系統簡介
    5.1.2  用因果推斷修正推薦系統中的偏差

  5.2  基於因果推斷的學習排序
    5.2.1  學習排序簡介
    5.2.2  用因果推斷修正學習排序中的偏差
第6章  總結與展望
  6.1  總結
  6.2  展望
術語表
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032