返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新正版因果推断:基于图模型分析9787111719892机械工业出版社
    • 作者: 罗锐著 | 罗锐编 | 罗锐译 | 罗锐绘
    • 出版社: 机械工业出版社
    • 出版时间:2022-08
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 罗锐著| 罗锐编| 罗锐译| 罗锐绘
    • 出版社:机械工业出版社
    • 出版时间:2022-08
    • 版次:1
    • 页数:317
    • 开本:16开
    • ISBN:9787111719892
    • 版权提供:机械工业出版社
    • 作者:罗锐
    • 著:罗锐
    • 装帧:平装
    • 印次:暂无
    • 定价:79.00
    • ISBN:9787111719892
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-08
    • 页数:317
    • 外部编号:12282051
    • 版次:1
    • 成品尺寸:暂无

    前言<br />章绪论1<br />11辛普森悖论1<br />12相关与因果关系5<br />13变量之间的关系9<br />14本书主要内容及安排11<br />第2章数学基础13<br />21随机变量和随机事件13<br />211随机变量13<br />212随机事件14<br />22概率及其计算16<br />221概率与条件概率16<br />222概率分布19<br />2概率的计算公式19<br />独立22<br />24贝叶斯公式及其应用25<br />25随机变量的数字特征30<br />26回归33<br />261一元线回归33<br />262多元线回归35<br />27因果关系的表示:图模型与结构<br />因果模型37<br />271因果关系的概念37<br />272图模型38<br />273结构因果模型40<br />274图模型和结构因果模型的<br />比较41<br />28因子分解42<br />281图模型的马尔可夫43<br />282因子分解表达式44<br />29图模型结构的程序实现46<br />291R软件的安装46<br />292DAGitty包的安装与<br />加载48<br />293图模型的生成50<br />第3章图模型分析55<br />31基本图模型结构的分析55<br />311链式结构56<br />312分叉结构57<br />313对撞结构59<br />32d划分66<br />321d划分的概念66<br />322d划分的判断70<br />3d划分变量集合搜索73<br />33图模型与概率分布78<br />34图模型分析的程序实现80<br />第4章干预分析89<br />41因果效应的调整表达式计算89<br />411混杂偏差89<br />412干预的数学表达90<br />413通过调整表达式计算<br />因果效应92<br />414调整变量的设计96<br />42后门准则与前门准则101<br />421后门准则101<br />422前门准则107<br />43多变量干预和特定变量<br />取值干预112<br />431多变量干预112<br />432特定变量取值时的干预<br />分析115<br />433条件干预118<br />44直接因果效应与间接因果效应119<br />45因果效应的估计125<br />451反概率权重法125<br />452倾向值评分匹配法129<br />46线系统中的因果推断133<br />461线系统因果推断分析的<br />特点133<br />462路径系数及其在因果推断<br />分析中的应用137<br />463线系统中路径系数的<br />计算141<br />47工具变量150<br />48干预分析的程序实现154<br />481获取调整变量集合154<br />482通过倾向值评分匹配<br />计算ACE158<br />第5章反事实分析及其应用164<br />51反事实概念的引入及表达<br />符号164<br />52反事实分析的基本方法168<br />521反事实设与构因果<br />模型修改168<br />522反事实分析的基本法则171<br />53反事实分析计算173<br />531外生变量取值与个体173<br />532确定反事实分析175<br />533概率反事实分析177<br />534反事实分析中概率计算的<br />一般化方法182<br />54反事实符号表达式与do算子符号<br />表达式的对比185<br />55基于图模型的反事实分析191<br />56SCM参数未知及线环境下的<br />反事实分析195<br />561SCM参数未知条件下的反<br />事实分析195<br />562线模型在给定事实条件下<br />的反事实分析198<br />57中介分析201<br />571自然直接效应和自然间接<br />效应的定义202<br />572自然直接效应和自然间接<br />效应的计算204<br />58反事实的应用205<br />第6章因果关系概率分析211<br />61因果关系概率的定义211<br />62因果关系概率的质214<br />63必要概率与充分概率的<br />量化计算216<br />631外生与单调216<br />632在外生条件下PN、PS和<br />PNS的计算219<br />633在外生和单调条件下<br />PN、PS和PNS的计算221<br />634在不具有外生但具有单调<br />条件下PN、PS和PNS的<br />计算222<br />635在外生和单调都不成立<br />条件下PN、PS和PNS的<br />计算226<br />64因果关系概率的应用228<br />第7章复杂条件下因果效应的<br />计算71非理想依从条件下因果效应的<br />计算<br />711研究模型设<br />712一般条件下平均因果<br />效应的计算<br />713附加设条件下平均因果<br />效应的计算243<br />72已干预条件下因果效应的计算246<br />721ETT的计算247<br />722增量干预的计算249<br />7非理想依从条件下ETT的<br />计算251<br />73复杂图模型条件下因果效应的<br />计算253<br />731do算子推理法则253<br />732do算子推理法则应用<br />示例254<br />733因果效应的可识别257<br />734试验中干预变量的替代<br />设计262<br />74非理想数据采集条件下因果<br />效应的计算265<br />第8章图模型结构的学习270<br />81图模型结构学习算法概述270<br />811图模型结构学习的过程270<br />812图模型结构学习的设271<br />82图模型结构学习算法的分类及基于<br />评分的学习算法简介272<br />83基于约束的算法273<br />831独立测试273<br />832IC算法简介277<br />833IC算法的具体实现过程278<br />834基于约束的算法282<br />84图模型结构学习的程序实现283<br />841pcalg包的安装283<br />842图模型结构的学习284<br />843因果效应计算293<br />第9章因果推断的应用299<br />91因果推断在系统中的应用299<br />92因果推断在强化学习中的应用306<br />921多臂问题场景307<br />922基于因果推断的多臂<br />问题分析309<br />9基于因果推断的多臂<br />问题算法改进311<br />924基于因果推断的多臂<br />问题算法改进效果313<br />参考文献315


    本书对因果推断进行了介绍,全书分为五个部分:首先在章、第2章和第3章介绍了因果推断研究的背景,以及基于图模型分析进行因果推断所需要的基础知识;第二部分包括第4章和第5章,介绍了因果推断中的干预分析和反事实分析;第三部分包括第6章和第7章,是因果推断的进阶内容,在干预分析和反事实分析基础上介绍了因果关系概率的计算以及复杂条件下因果效应的计算;第四部分内容是因果关系中反映各个变量之间关系的图模型结构的学习,相应内容在第8章;在第9章以系统和强化学习为例,对因果推断的应用进行了简单介绍。

    本书可以作为人工智能、数据科学、统计等相关专业技术人员因果推断方面的入门读物,也可以用于高等院校人工智能、数据科学、统计等相关专业高年级生或的课堂教学,还可供医学、法学、经济学、社会学和情报分析等研究领域需要应用因果推断技术的专业人员参考。


    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购