由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新因果推理 基础与学习算法(荷)乔纳斯·彼得斯 等9787111640301
¥ ×1
译者序
原书前言
符号和术语
章 统计和因果模型
1.1 概率论与统计学
1.2 学习理论
1.3 因果建模和学习
1.4 两个实例
1.4.1 模式识别
1.4.2 基因干扰
第2章 因果推断设
2.1 独立机制原则
2.2 历史记录
. 因果模型的物理结构
..1 时间的作用
..2 物理定律
.. 循环赋值
..4 干预的可行
..5 原因和机制的独立以及时间的热力学之箭
第3章 原因-效果模型
3.1 结构因果模型
3.2 干预
3.3 反事实
3.4 结构因果模型的标准表示
3.5 问题
第4章 学习原因-效果模型
4.1 结构可识别
4.1.1 为什么需要额外的设
4.1.2 设类型的概述
4.1.3 非高斯加噪声的线模型
4.1.4 非线加噪声模型
4.1.5 离散加噪声模型
4.1.6 后非线模型
4.1.7 信息-几何因果推断
4.1.8 Trace方法
4.1.9 以算法信息理论为可能的基础
4.2 结构识别方法
4.2.1 加噪声模型
4.2.2 信息几何因果推断
4.. Trace方法
4.2.4 监督学习方法
4.3 问题
第5章 与机器学习的联系1
5.1 半监督学习
5.1.1 半监督学习和因果方向
5.1.2 关于半监督学习在因果方向上的注释
5.2 协变量偏移
5.3 问题
第6章 多变量因果模型
6.1 图的术语
6.2 结构因果模型
6.3 干预
6.4 反事实
6.5 马尔可夫、忠实和因果
6.5.1 马尔可夫
6.5.2 因果图模型
6.5.3 忠实和因果
6.6 通过协变量调整计算干预分布
6.7 do-calculus
6.8 因果模型的等价和可伪
6.9 潜在的结果
6.9.1 定义与实例
6.9.2 潜在的结果与结构因果模型之间的关系
6.10 单一对象的广义结构因果模型
6.11 条件算法独立
6.12 问题
第7章 学习多变量因果模型
7.1 结构可识别
7.1.1 忠实
7.1.2 加噪声模型
7.1.3 具有等误差方差的线斯模型
7.1.4 线非斯无环模型
7.1.5 非线斯加噪声模型
7.1.6 观测数据和实验数据
7.2 结构识别方法
7.2.1 基于独的方
7.2.2 基于分数的方法
7.. 加噪声模型
7.2.4 已知因果次序
7.2.5 观测数据与实验数据
7.3 问题
第8章 与机器学习的联系2
8.1 半同胞回归
8.2 因果推断与场景强化学习
8.2.1 逆概率加权
8.2.2 场景强化学习
8.. 21点(Blackjack)中的状态简化
8.2.4 改进广告布置的加权
8.3 域适应
8.4 问题
第9章 隐藏变量
9.1 干预充分
9.2 Simpson悖论
9.3 工具变量
9.4 条件独立和图表示
9.4.1 图
9.4.2 快速因果推断
9.5 条件独立外的约束
9.5.1 Verma约束
9.5.2 不等式约束
9.5.3 基于协方差的约束
9.5.4 附加噪声模型
9.5.5 检测低复杂度混杂因子
9.5.6 不同的环境
9.6 问题
0章 时间序列
10.1 基础和术语
10.2 结构因果模型和干预
10.2.1 下采样
10.3 学习因果时间序列模型
10.3.1 马尔可夫条件和忠实
10.3.2 一些不要求忠实的因果结论
10.3.3 Granger因果关系
10.3.4 具有受限函数类的模型
10.3.5 频谱独立准则
10.4 动态因果建模
10.5 问题
附录
附录A 一些概率与统计学基础知识
A.1 基本定义
A.2 独立以及条件独立测试
A.3 函数类的容量
附录B 因果次序和邻接矩阵
附录C 明
C.1 定理4.2的明
C.2 命题6.3的明
C.3 备注6.6的明
C.4 命题6.13的明
C.5 命题6.14的明
C.6 命题6.36的明
C.7 命题6.48的明
C.8 命题6.49的明
C.9 命题7.1的明
C.10 命题7.4的明
C.11 命题8.1的明
C.12 命题8.2的明
C.13 命题9.3的明
C.14 命题10.3的明
C.15 定理10.4的明
参考文献
1.世上万事万物,有因就有果,有果必有因。事物为什么会发生,为什么会得到某种结果?根源就在于因果关系。2.本书是世界知名学者十年来研究因果关系的总结,在因果推理和通用机器学习之间建立了牢固的联系,使得我们和机器可以用数据更清晰地理解世界。3.哥伦比亚大学David Blei教授、艾伦?图灵研究所Ricardo Silva研究员倾情。4.本书提供了一个独立且简明的因果关系模型介绍,以及如何从数据中学习因果模型。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格