掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 因果推斷:基于圖模型分析:based on graphical model analysis
作者：羅銳編著
開本：
24cm
頁數(shù)：
317頁
本類榜單：計算機/網(wǎng)絡(luò)銷量榜
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
因果推斷:基于圖模型分析:based on graphical model analysis 版權(quán)信息
- ISBN：9787111719892
- 條形碼：9787111719892 ; 978-7-111-71989-2
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
因果推斷:基于圖模型分析:based on graphical model analysis 本書特色
通過案例分析介紹因果推斷的基本概念和基本方法，為便于讀者自學，給出必要的推導(dǎo)、證明和說明。
因果推斷:基于圖模型分析:based on graphical model analysis 內(nèi)容簡介
本書對因果推斷相關(guān)知識進行了系統(tǒng)、全面的介紹，為便于學習，對大多數(shù)知識點都進行了詳細的推導(dǎo)說明。
因果推斷:基于圖模型分析:based on graphical model analysis 目錄
前言
第1章緒論1
11辛普森悖論1
12相關(guān)性與因果關(guān)系5
13變量之間的關(guān)系9
14本書主要內(nèi)容及安排11
第2章數(shù)學基礎(chǔ)13
21隨機變量和隨機事件13
211隨機變量13
212隨機事件14
22概率及其計算16
221概率與條件概率16
222概率分布19
223概率的計算公式19
23獨立性22
24貝葉斯公式及其應(yīng)用25
25隨機變量的數(shù)字特征30
26回歸33
261一元線性回歸33
262多元線性回歸35
27因果關(guān)系的表示：圖模型與結(jié)構(gòu)
因果模型37
271因果關(guān)系的概念37
272圖模型38
273結(jié)構(gòu)因果模型40
274圖模型和結(jié)構(gòu)因果模型的
比較41
28因子分解42
281圖模型的馬爾可夫性43
282因子分解表達式44
29圖模型結(jié)構(gòu)的程序?qū)崿F(xiàn)46
291R軟件的安裝46
292DAGitty包的安裝與
加載48
293圖模型的生成50
第3章圖模型分析55
31基本圖模型結(jié)構(gòu)的分析55
311鏈式結(jié)構(gòu)56
312分叉結(jié)構(gòu)57
313對撞結(jié)構(gòu)59
32d劃分66
321d劃分的概念66
322d劃分的判斷70
323d劃分變量集合搜索73
33圖模型與概率分布78
34圖模型分析的程序?qū)崿F(xiàn)80
第4章干預(yù)分析89
41因果效應(yīng)的調(diào)整表達式計算89
411混雜偏差89
412干預(yù)的數(shù)學表達90
413通過調(diào)整表達式計算
因果效應(yīng)92
414調(diào)整變量的設(shè)計96
42后門準則與前門準則101
421后門準則101
422前門準則107
43多變量干預(yù)和特定變量
取值干預(yù)112
431多變量干預(yù)112
432特定變量取值時的干預(yù)
分析115
433條件干預(yù)118
44直接因果效應(yīng)與間接因果效應(yīng)119
45因果效應(yīng)的估計125
451反概率權(quán)重法125
452傾向值評分匹配法129
46線性系統(tǒng)中的因果推斷133
461線性系統(tǒng)因果推斷分析的
特點133
462路徑系數(shù)及其在因果推斷
分析中的應(yīng)用137
463線性系統(tǒng)中路徑系數(shù)的
計算141
47工具變量150
48干預(yù)分析的程序?qū)崿F(xiàn)154
481獲取調(diào)整變量集合154
482通過傾向值評分匹配
計算ACE158
第5章反事實分析及其應(yīng)用164
51反事實概念的引入及表達
符號164
52反事實分析的基本方法168
521反事實假設(shè)與結(jié)構(gòu)因果
模型修改168
522反事實分析的基本法則171
53反事實分析計算173
531外生變量取值與個體173
532確定性反事實分析175
533概率性反事實分析177
534反事實分析中概率計算的
一般化方法182
54反事實符號表達式與do算子符號
表達式的對比185
55基于圖模型的反事實分析191
56SCM參數(shù)未知及線性環(huán)境下的
反事實分析195
561SCM參數(shù)未知條件下的反
事實分析195
562線性模型在給定事實條件下
的反事實分析198
57中介分析201
571自然直接效應(yīng)和自然間接
效應(yīng)的定義202
572自然直接效應(yīng)和自然間接
效應(yīng)的計算204
58反事實的應(yīng)用205
第6章因果關(guān)系概率分析211
61因果關(guān)系概率的定義211
62因果關(guān)系概率的性質(zhì)214
63必要性概率與充分性概率的
量化計算216
631外生性與單調(diào)性216
632在外生性條件下PN、PS和
PNS的計算219
633在外生性和單調(diào)性條件下
PN、PS和PNS的計算221
634在不具有外生性但具有單調(diào)性
條件下PN、PS和PNS的
計算222
635在外生性和單調(diào)性都不成立
條件下PN、PS和PNS的
計算226
64因果關(guān)系概率的應(yīng)用228
第7章復(fù)雜條件下因果效應(yīng)的
計算23871非理想依從條件下因果效應(yīng)的
計算238
711研究模型假設(shè)238
712一般條件下平均因果
效應(yīng)的計算239
713附加假設(shè)條件下平均因果
效應(yīng)的計算243
72已干預(yù)條件下因果效應(yīng)的計算246
721ETT的計算247
722增量干預(yù)的計算249
723非理想依從條件下ETT的
計算251
73復(fù)雜圖模型條件下因果效應(yīng)的
計算253
731do算子推理法則253
732do算子推理法則應(yīng)用
示例254
733因果效應(yīng)的可識別性257
734試驗中干預(yù)變量的替代
設(shè)計262
74非理想數(shù)據(jù)采集條件下因果
效應(yīng)的計算265
第8章圖模型結(jié)構(gòu)的學習270
81圖模型結(jié)構(gòu)學習算法概述270
811圖模型結(jié)構(gòu)學習的過程270
812圖模型結(jié)構(gòu)學習的假設(shè)271
82圖模型結(jié)構(gòu)學習算法的分類及基于
評分的學習算法簡介272
83基于約束的算法273
831獨立性測試273
832IC算法簡介277
833IC算法的具體實現(xiàn)過程278
834其他基于約束的算法282
84圖模型結(jié)構(gòu)學習的程序?qū)崿F(xiàn)283
841pcalg包的安裝283
842圖模型結(jié)構(gòu)的學習284
843因果效應(yīng)計算293
第9章因果推斷的應(yīng)用299
91因果推斷在推薦系統(tǒng)中的應(yīng)用299
92因果推斷在強化學習中的應(yīng)用306
921多臂賭博機問題場景307
922基于因果推斷的多臂賭博機
問題分析309
923基于因果推斷的多臂賭博機
問題算法改進311
924基于因果推斷的多臂賭博機
問題算法改進效果313
參考文獻315
第1章緒論1
11辛普森悖論1
12相關(guān)性與因果關(guān)系5
13變量之間的關(guān)系9
14本書主要內(nèi)容及安排11
第2章數(shù)學基礎(chǔ)13
21隨機變量和隨機事件13
211隨機變量13
212隨機事件14
22概率及其計算16
221概率與條件概率16
222概率分布19
223概率的計算公式19
23獨立性22
24貝葉斯公式及其應(yīng)用25
25隨機變量的數(shù)字特征30
26回歸33
261一元線性回歸33
262多元線性回歸35
27因果關(guān)系的表示：圖模型與結(jié)構(gòu)
因果模型37
271因果關(guān)系的概念37
272圖模型38
273結(jié)構(gòu)因果模型40
274圖模型和結(jié)構(gòu)因果模型的
比較41
28因子分解42
281圖模型的馬爾可夫性43
282因子分解表達式44
29圖模型結(jié)構(gòu)的程序?qū)崿F(xiàn)46
291R軟件的安裝46
292DAGitty包的安裝與
加載48
293圖模型的生成50
第3章圖模型分析55
31基本圖模型結(jié)構(gòu)的分析55
311鏈式結(jié)構(gòu)56
312分叉結(jié)構(gòu)57
313對撞結(jié)構(gòu)59
32d劃分66
321d劃分的概念66
322d劃分的判斷70
323d劃分變量集合搜索73
33圖模型與概率分布78
34圖模型分析的程序?qū)崿F(xiàn)80
第4章干預(yù)分析89
41因果效應(yīng)的調(diào)整表達式計算89
411混雜偏差89
412干預(yù)的數(shù)學表達90
413通過調(diào)整表達式計算
因果效應(yīng)92
414調(diào)整變量的設(shè)計96
42后門準則與前門準則101
421后門準則101
422前門準則107
43多變量干預(yù)和特定變量
取值干預(yù)112
431多變量干預(yù)112
432特定變量取值時的干預(yù)
分析115
433條件干預(yù)118
44直接因果效應(yīng)與間接因果效應(yīng)119
45因果效應(yīng)的估計125
451反概率權(quán)重法125
452傾向值評分匹配法129
46線性系統(tǒng)中的因果推斷133
461線性系統(tǒng)因果推斷分析的
特點133
462路徑系數(shù)及其在因果推斷
分析中的應(yīng)用137
463線性系統(tǒng)中路徑系數(shù)的
計算141
47工具變量150
48干預(yù)分析的程序?qū)崿F(xiàn)154
481獲取調(diào)整變量集合154
482通過傾向值評分匹配
計算ACE158
第5章反事實分析及其應(yīng)用164
51反事實概念的引入及表達
符號164
52反事實分析的基本方法168
521反事實假設(shè)與結(jié)構(gòu)因果
模型修改168
522反事實分析的基本法則171
53反事實分析計算173
531外生變量取值與個體173
532確定性反事實分析175
533概率性反事實分析177
534反事實分析中概率計算的
一般化方法182
54反事實符號表達式與do算子符號
表達式的對比185
55基于圖模型的反事實分析191
56SCM參數(shù)未知及線性環(huán)境下的
反事實分析195
561SCM參數(shù)未知條件下的反
事實分析195
562線性模型在給定事實條件下
的反事實分析198
57中介分析201
571自然直接效應(yīng)和自然間接
效應(yīng)的定義202
572自然直接效應(yīng)和自然間接
效應(yīng)的計算204
58反事實的應(yīng)用205
第6章因果關(guān)系概率分析211
61因果關(guān)系概率的定義211
62因果關(guān)系概率的性質(zhì)214
63必要性概率與充分性概率的
量化計算216
631外生性與單調(diào)性216
632在外生性條件下PN、PS和
PNS的計算219
633在外生性和單調(diào)性條件下
PN、PS和PNS的計算221
634在不具有外生性但具有單調(diào)性
條件下PN、PS和PNS的
計算222
635在外生性和單調(diào)性都不成立
條件下PN、PS和PNS的
計算226
64因果關(guān)系概率的應(yīng)用228
第7章復(fù)雜條件下因果效應(yīng)的
計算23871非理想依從條件下因果效應(yīng)的
計算238
711研究模型假設(shè)238
712一般條件下平均因果
效應(yīng)的計算239
713附加假設(shè)條件下平均因果
效應(yīng)的計算243
72已干預(yù)條件下因果效應(yīng)的計算246
721ETT的計算247
722增量干預(yù)的計算249
723非理想依從條件下ETT的
計算251
73復(fù)雜圖模型條件下因果效應(yīng)的
計算253
731do算子推理法則253
732do算子推理法則應(yīng)用
示例254
733因果效應(yīng)的可識別性257
734試驗中干預(yù)變量的替代
設(shè)計262
74非理想數(shù)據(jù)采集條件下因果
效應(yīng)的計算265
第8章圖模型結(jié)構(gòu)的學習270
81圖模型結(jié)構(gòu)學習算法概述270
811圖模型結(jié)構(gòu)學習的過程270
812圖模型結(jié)構(gòu)學習的假設(shè)271
82圖模型結(jié)構(gòu)學習算法的分類及基于
評分的學習算法簡介272
83基于約束的算法273
831獨立性測試273
832IC算法簡介277
833IC算法的具體實現(xiàn)過程278
834其他基于約束的算法282
84圖模型結(jié)構(gòu)學習的程序?qū)崿F(xiàn)283
841pcalg包的安裝283
842圖模型結(jié)構(gòu)的學習284
843因果效應(yīng)計算293
第9章因果推斷的應(yīng)用299
91因果推斷在推薦系統(tǒng)中的應(yīng)用299
92因果推斷在強化學習中的應(yīng)用306
921多臂賭博機問題場景307
922基于因果推斷的多臂賭博機
問題分析309
923基于因果推斷的多臂賭博機
問題算法改進311
924基于因果推斷的多臂賭博機
問題算法改進效果313
參考文獻315
展開全部
因果推斷:基于圖模型分析:based on graphical model analysis 作者簡介
羅銳，工學博士、工商管理碩士，先后畢業(yè)于電子科技大學、西南交通大學。在電信領(lǐng)域有20多年的技術(shù)研發(fā)、市場經(jīng)營和管理工作經(jīng)驗。現(xiàn)在主要從事數(shù)據(jù)挖掘、機器學習、因果推斷及其在通信、醫(yī)學和法學等社會科學方面應(yīng)用的教學和研究工作。
書友推薦
- >
回憶愛瑪儂
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伊索寓言-世界文學名著典藏-全譯本
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
推拿
- >
羅庸西南聯(lián)大授課錄
- >
名家?guī)阕x魯迅:故事新編
本類暢銷
