因果推断与机器学习

内容简介

本书是首部系统阐述因果推断与机器学习交叉融合的专著。全书从因果科学的基本概念出发，详细介绍了因果图模型、潜在结果框架、结构因果模型等核心理论，并深入探讨了如何将这些理论应用于现代机器学习任务中。

书中首先梳理了因果推断的基础知识，包括因果关系的定义、因果效应的识别与估计、反事实推理等关键内容。随后，作者重点展示了因果推断在机器学习各领域的前沿应用，如可解释性人工智能、领域泛化、强化学习、推荐系统等。通过大量实例和代码片段，读者可以直观理解如何利用因果视角解决传统机器学习中存在的混淆偏差、选择偏差、分布偏移等问题。

此外，本书还涵盖了最新研究进展，包括因果表征学习、因果图神经网络、因果生成模型等热点方向。适合计算机科学、统计学、数据科学、人工智能等相关领域的研究人员和工程师阅读，也适合作为高等院校相关专业的研究生教材。

内容简介
第1章因果推断入门
  1.1 定义因果关系的两种基本框架
  1.2 因果识别和因果效应估测
第2章用机器学习解决因果推断问题
  2.1 基于集成学习的因果推断
  2.2 基于神经网络的因果推断
第3章因果表征学习与泛化能力
  3.1 数据增强
  3.2 提高模型泛化能力的归纳偏置
第4章可解释性、公平性和因果机器学习
  4.1 可解释性
  4.2 公平性
  4.3 因果推断在可信和负责任人工智能的其他应用
第5章特定领域的机器学习
  5.1 推荐系统与因果机器学习
  5.2 基于因果推断的学习排序
第6章总结与展望
  6.1 总结
  6.2 展望

下载权限

查看

￥

免费下载

评论并刷新后下载

登录后下载

查看演示

{{attr.name}}：

您当前的等级为

登录后免费下载登录小黑屋反思中，不准下载！评论后刷新页面下载评论支付以后下载请先登录您今天的下载次数（次）用完了，请明天再来支付积分以后下载立即支付支付以后下载立即支付您当前的用户组不允许下载升级会员

您已获得下载权限您可以每天下载资源次，今日剩余次

免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，不以盈利为目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48小时内予以删除。