为你推荐
PREFACE 前言
CHAPTER 1 第1章 绪论
1.1 辛普森悖论
1.2 相关性与因果关系
1.3 变量之间的关系
1.4 本书主要内容及安排
CHAPTER 2 第2章 数学基础
2.1 随机变量和随机事件
2.2 概率及其计算
2.3 独立性
2.4 贝叶斯公式及其应用
2.5 随机变量的数字特征
2.6 回归
2.7 因果关系的表示：图模型与结构因果模型
2.8 因子分解
2.9 图模型结构的程序实现
CHAPTER 3 第3章 图模型分析
3.1 基本图模型结构的分析
3.2 d-划分
3.3 图模型与概率分布
3.4 图模型分析的程序实现
CHAPTER 4 第4章 干预分析
4.1 因果效应的调整表达式计算
4.2 后门准则与前门准则
4.3 多变量干预和特定变量取值干预
4.4 直接因果效应与间接因果效应
4.5 因果效应的估计
4.6 线性系统中的因果推断
4.7 工具变量
4.8 干预分析的程序实现
CHAPTER 5 第5章 反事实分析及其应用
5.1 反事实概念的引入及表达符号
5.2 反事实分析的基本方法
5.3 反事实分析计算
5.4 反事实符号表达式与do算子符号表达式的对比
5.5 基于图模型的反事实分析
5.6 SCM参数未知及线性环境下的反事实分析
5.7 中介分析
5.8 反事实的应用
CHAPTER 6 第6章 因果关系概率分析
6.1 因果关系概率的定义
6.2 因果关系概率的性质
6.3 必要性概率与充分性概率的量化计算
6.4 因果关系概率的应用
CHAPTER 7 第7章 复杂条件下因果效应的计算
7.1 非理想依从条件下因果效应的计算
7.2 已干预条件下因果效应的计算
7.3 复杂图模型条件下因果效应的计算
7.4 非理想数据采集条件下因果效应的计算
CHAPTER 8 第8章 图模型结构的学习
8.1 图模型结构学习算法概述
8.2 图模型结构学习算法的分类及基于评分的学习算法简介
8.3 基于约束的算法
8.4 图模型结构学习的程序实现
CHAPTER 9 第9章 因果推断的应用
9.1 因果推断在推荐系统中的应用
9.2 因果推断在强化学习中的应用
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
6.8
