幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

因果推斷(基於圖模型分析)/人工智慧技術叢書

  • 作者：編者:羅銳|責編:姚蕾
  • 出版社：機械工業
  • ISBN：9787111719892
  • 出版日期：2023/03/01
  • 裝幀：平裝
  • 頁數：317
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    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複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數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慧、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慧、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。
作者介紹
編者:羅銳|責編:姚蕾
    羅銳，工學博士、工商管理碩士，先後畢業於電子科技大學、西南交通大學。在電信領域有20多年的技術研發、市場經營和管理工作經驗。現在主要從事數據挖掘、機器學習、因果推斷及其在通信、醫學和法學等社會科學方面應用的教學和研究工作。
目錄
前言
第1章  緒論
  1.1  辛普森悖論
  1.2  相關性與因果關係
  1.3  變數之間的關係
  1.4  本書主要內容及安排
第2章  數學基礎
  2.1  隨機變數和隨機事件
    2.1.1  隨機變數
    2.1.2  隨機事件
  2.2  概率及其計算
    2.2.1  概率與條件概率
    2.2.2  概率分佈
    2.2.3  概率的計算公式
  2.3  獨立性
  2.4  貝葉斯公式及其應用
  2.5  隨機變數的數字特徵
  2.6  回歸
    2.6.1  一元線性回歸
    2.6.2  多元線性回歸
  2.7  因果關係的表示：圖模型與結構因果模型
    2.7.1  因果關係的概念
    2.7.2  圖模型
    2.7.3  結構因果模型
    2.7.4  圖模型和結構因果模型的比較
  2.8  因子分解
    2.8.1  圖模型的馬爾可夫性
    2.8.2  因子分解表達式
  2.9  圖模型結構的程序實現
    2.9.1  R軟體的安裝
    2.9.2  DAGitty包的安裝與載入
    2.9.3  圖模型的生成
第3章  圖模型分析
  3.1  基本圖模型結構的分析
    3.1.1  鏈式結構
    3.1.2  分叉結構
    3.1.3  對撞結構
  3.2  d-劃分
    3.2.1  d-劃分的概念
    3.2.2  d-劃分的判斷
    3.2.3  d-劃分變數集合搜索
  3.3  圖模型與概率分佈
  3.4  圖模型分析的程序實現
第4章  干預分析
  4.1  因果效應的調整表達式計算
    4.1.1  混雜偏差
    4.1.2  干預的數學表達
    4.1.3  通過調整表達式計算因果效應
    4.1.4  調整變數的設計
  4.2  後門準則與前門準則

    4.2.1  後門準則
    4.2.2  前門準則
  4.3  多變數干預和特定變數取值干預
    4.3.1  多變數干預
    4.3.2  特定變數取值時的干預分析
    4.3.3  條件干預
  4.4  直接因果效應與間接因果效應
  4.5  因果效應的估計
    4.5.1  反概率權重法
    4.5.2  傾向值評分匹配法
  4.6  線性系統中的因果推斷
    4.6.1  線性系統因果推斷分析的特點
    4.6.2  路徑係數及其在因果推斷分析中的應用
    4.6.3  線性系統中路徑係數的計算
  4.7  工具變數
  4.8  干預分析的程序實現
    4.8.1  獲取調整變數集合
    4.8.2  通過傾向值評分匹配計算ACE
第5章  反事實分析及其應用
  5.1  反事實概念的引入及表達符號
  5.2  反事實分析的基本方法
    5.2.1  反事實假設與結構因果模型修改
    5.2.2  反事實分析的基本法則
  5.3  反事實分析計算
    5.3.1  外生變數取值與個體
    5.3.2  確定性反事實分析
    5.3.3  概率性反事實分析
    5.3.4  反事實分析中概率計算的一般化方法
  5.4  反事實符號表達式與do運算元符號表達式的對比
  5.5  基於圖模型的反事實分析
  5.6  SCM參數未知及線性環境下的反事實分析
    5.6.1  SCM參數未知條件下的反事實分析
    5.6.2  線性模型在給定事實條件下的反事實分析
  5.7  中介分析
    5.7.1  自然直接效應和自然間接效應的定義
    5.7.2  自然直接效應和自然間接效應的計算
  5.8  反事實的應用
第6章  因果關係概率分析
  6.1  因果關係概率的定義
  6.2  因果關係概率的性質
  6.3  必要性概率與充分性概率的量化計算
    6.3.1  外生性與單調性
    6.3.2  在外生性條件下PN、PS和PNS的計算
    6.3.3  在外生性和單調性條件下PN、PS和PNS的計算
    6.3.4  在不具有外生性但具有單調性條件下PN、PS和PNS的計算
    6.3.5  在外生性和單調性都不成立條件下PN、PS和PNS的計算
  6.4  因果關係概率的應用
第7章  複雜條件下因果效應的計算
  7.1  非理想依從條件下因果效應的計算
    7.1.1  研究模型假設

    7.1.2  一般條件下平均因果效應的計算
    7.1.3  附加假設條件下平均因果效應的計算
  7.2  已干預條件下因果效應的計算
    7.2.1  ETT的計算
    7.2.2  增量干預的計算
    7.2.3  非理想依從條件下ETT的計算
  7.3  複雜圖模型條件下因果效應的計算
    7.3.1  do運算元推理法則
    7.3.2  do運算元推理法則應用示例
    7.3.3  因果效應的可識別性
    7.3.4  試驗中干預變數的替代設計
  7.4  非理想數據採集條件下因果效應的計算
第8章  圖模型結構的學習
  8.1  圖模型結構學習演算法概述
    8.1.1  圖模型結構學習的過程
    8.1.2  圖模型結構學習的假設
  8.2  圖模型結構學習演算法的分類及基於評分的學習演算法簡介
  8.3  基於約束的演算法
    8.3.1  獨立性測試
    8.3.2  IC演算法簡介
    8.3.3  IC演算法的具體實現過程
    8.3.4  其他基於約束的演算法
  8.4  圖模型結構學習的程序實現
    8.4.1  pcalg包的安裝
    8.4.2  圖模型結構的學習
    8.4.3  因果效應計算
第9章  因果推斷的應用
  9.1  因果推斷在推薦系統中的應用
  9.2  因果推斷在強化學習中的應用
    9.2.1  多臂賭博機問題場景
    9.2.2  基於因果推斷的多臂賭博機問題分析
    9.2.3  基於因果推斷的多臂賭博機問題演算法改進
    9.2.4  基於因果推斷的多臂賭博機問題演算法改進效果
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