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

  • [正版] 因果推断与机器学习(修订版)郭若城 因果机器学习基础理论 机器学习方法应用书籍
  • 结合因果推断和机器学习的理论与实际应用
    • 作者: 郭若城等编著著 | 郭若城编
    • 出版社: 电子工业出版社
    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:
    粉象优品图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 郭若城等编著著| 郭若城编
    • 出版社:电子工业出版社
    • 页数:260页
    • ISBN:9785348068417
    • 版权提供:电子工业出版社

                                                                                                  店铺公告

    本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版


    内容介绍

    本书是一本理论扎实,同时联系实际应用的图书。全书系统地介绍了因果推断的基本知识、基于机器学习的因果推断方法和基于因果推断的机器学习方法及其在一些重要领域的应用。 全书共分6章。*1章从结构因果模型和潜在结果框架出发,介绍因果推断的基本概念和方法。*2章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对未来的展望。 本书对结合因果推断和机器学习的理论与实践进行了介绍。并在*1版的基础上对一些陈旧的内容做了更新。通过阅读本书,读者不仅可以掌握因果机器学习的基础理论,还可对本书中提到的论文代码进行钻研,从而在实践中加深对因果机器学习的理解。
    目录

    *1章 因果推断入门 1
    1.1 定义因果关系的两种基本框架 1
    1.1.1 结构因果模型 3
    1.1.2 潜在结果框架 17
    1.2 因果识别和因果效应估测 21
    1.2.1 工具变量 22
    1.2.2 断点回归设计 27
    1.2.3 前门准则 30
    1.2.4 双重差分模型 32
    1.2.5 合成控制 34
    1.2.6 因果中介效应分析 39
    1.2.7 部分识别、ATE的上下界和敏感度分析 44
    *2章 用机器学习解决因果推断问题 52
    2.1 基于集成学习的因果推断 53
    2.2 基于神经网络的因果推断 57
    2.2.1 反事实回归网络 57
    2.2.2 因果效应变分自编码器 62
    2.2.3 因果中介效应分析变分自编码器 69
    2.2.4 针对线上评论多方面情感的多重因果效应估计 71
    2.2.5 基于多模态代理变量的多方面情感效应估计 74
    2.2.6 在网络数据中解决因果推断问题 77
    第3章 因果表征学习与泛化能力 82
    3.1 数据增强 84
    3.1.1 利用众包技术的反事实数据增强 84
    3.1.2 基于规则的反事实数据增强 89
    3.1.3 基于模型的反事实数据增强 91
    3.2 提高模型泛化能力的归纳偏置 96
    3.2.1 使用不变预测的因果推理 96
    3.2.2 独立机制原则 101
    3.2.3 因果学习和反因果学习 102
    3.2.4 半同胞回归 103
    3.2.5 不变风险*小化 105
    3.2.6 不变合理化 113
    第4章 可解释性、公平性和因果机器学习 120
    4.1 可解释性 121
    4.1.1 可解释性的属性 122
    4.1.2 基于相关性的可解释性模型 124
    4.1.3 基于因果机器学习的可解释性模型 127
    4.2 公平性 144
    4.2.1 不公平机器学习的典型实例 145
    4.2.2 机器学习不公平的原因 147
    4.2.3 基于相关关系的公平性定义 149
    4.2.4 因果推断对公平性研究的重要性 153
    4.2.5 因果公平性定义 156
    4.2.6 基于因果推断的公平机器学习 162
    4.3 因果推断在可信和负责任的人工智能中的其他应用 165
    第5章 特定领域的机器学习 168
    5.1 推荐系统与因果机器学习 169
    5.1.1 推荐系统简介 169
    5.1.2 用因果推断修正推荐系统中的偏差 179
    5.2 基于因果推断的学习排序 195
    5.2.1 学习排序简介 196
    5.2.2 用因果推断修正学习排序中的偏差 200
    第6章 总结与展望 212
    6.1 总结 212
    6.2 展望 218
    术语表 220
    参考文献 231
    作者介绍

    郭若城 伦敦字节跳动人工智能实验室机器学习研究员。研究重点为因果推断和可置信的机器学习在推荐系统、搜索排序和图数据中的应用。曾获美国亚利桑那州立大学杰出计算机科学博士生奖项。程璐 美国伊利诺伊芝加哥分校计算机系助理教授,于2022年获美国亚利桑那州立大学(ASU)计算机科学专业博士学位,师从刘欢教授。研究方向包括社会负责任人工智能,具体为人工智能的公平性、可解释性、隐私保护、可泛化性、对社会的公益性、因果机器学习,以及社会计算。刘昊 美国加州理工学院在读计算机专业博士生,本科毕业于南京大学匡亚明学院,研究方向为可置信的机器学习、因果机器学习。刘欢 美国亚利桑那州立大学计算机科学与工程学院教授,ACM Fellow、AAAI Fellow、AAAS Fellow、IEEE Fellow。研究重点是开发人工智能、数据挖掘、机器学习和社会计算的计算方法,并设计高效的算法有效地解决了从基础研究、特征选择、社会媒体挖掘到现实世界应用的问题。
    媒体评论

    结合因果推断和机器学习的理论与实际应用 业界和学界多位因果机器学习专家倾力打造
    关联推荐

    结合因果推断和机器学习的理论与实际应用 业界和学界多位因果机器学习专家倾力打造
    1
    • 商品详情
    • 内容简介

    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