封面
版权信息
作者简介
推荐序
前言
符号表
第一部分 因果推断基础
第1章 因果关系推断的基本概念
1.1 因果关系推断
1.2 混杂与辛普森悖论
1.3 随机对照试验
1.4 数据驱动的因果推断模型
1.5 图模型
1.6 贝叶斯网络
参考文献
第二部分 Rubin潜在结果模型与因果效应
第2章 潜在结果模型与因果效应的概念
- APP免费
2.1 潜在结果模型的概念
- APP免费
2.2 因果效应定义与假设
- APP免费
2.3 拓展阅读
- APP免费
参考文献
- APP免费
第3章 因果效应估计方法
- APP免费
3.1 匹配方法
- APP免费
3.2 分层方法
- APP免费
3.3 重加权方法
- APP免费
3.4 表示学习方法
- APP免费
3.5 拓展阅读
- APP免费
参考文献
- APP免费
第三部分 Pearl因果图模型与方法
- APP免费
第4章 干预与因果图模型
- APP免费
4.1 干预与do演算
- APP免费
4.2 因果贝叶斯网络模型
- APP免费
4.3 结构因果模型
- APP免费
4.4 拓展阅读
- APP免费
参考文献
- APP免费
第5章 混杂偏差
- APP免费
5.1 混杂因子的图形化表示
- APP免费
5.2 父代因果效应准则
- APP免费
5.3 后门准则
- APP免费
5.4 前门准则
- APP免费
5.5 do演算公理系统
- APP免费
5.6 拓展阅读
- APP免费
参考文献
- APP免费
第6章 选择偏差
- APP免费
6.1 选择偏差的概念
- APP免费
6.2 选择偏差的图形化表示
- APP免费
6.3 选择后门标准
- APP免费
6.4 拓展阅读
- APP免费
参考文献
- APP免费
第7章 反事实推断
- APP免费
7.1 反事实的定义
- APP免费
7.2 反事实计算
- APP免费
7.3 反事实和干预
- APP免费
7.4 反事实与潜在结果
- APP免费
7.5 反事实与决策
- APP免费
7.6 拓展阅读
- APP免费
参考文献
- APP免费
第8章 因果中介效应
- APP免费
8.1 中介效应的基本概念
- APP免费
8.2 基于线性模型的因果中介效应
- APP免费
8.3 基于反事实的因果中介效应
- APP免费
8.4 进一步分析
- APP免费
8.5 拓展阅读
- APP免费
参考文献
- APP免费
第9章 工具变量
- APP免费
9.1 工具变量的概念
- APP免费
9.2 工具因果效应估计
- APP免费
9.3 条件工具变量
- APP免费
9.4 识别工具变量
- APP免费
9.5 拓展阅读
- APP免费
参考文献
- APP免费
第四部分 因果结构学习方法
- APP免费
第10章 组合优化因果结构学习
- APP免费
10.1 限制优化学习
- APP免费
10.2 打分优化学习
- APP免费
10.3 拓展阅读
- APP免费
参考文献
- APP免费
第11章 连续优化因果结构学习
- APP免费
11.1 连续优化方法
- APP免费
11.2 从线性模型到神经网络
- APP免费
11.3 用MLP进行DAG学习
- APP免费
11.4 DAG-GNN
- APP免费
11.5 对抗优化方法SAM
- APP免费
11.6 拓展阅读
- APP免费
参考文献
- APP免费
第12章 局部因果结构学习
- APP免费
12.1 基于限制的局部因果结构学习
- APP免费
12.2 基于打分的局部因果结构学习
- APP免费
12.3 局部到全局的因果结构学习
- APP免费
12.4 拓展阅读
- APP免费
参考文献
- APP免费
第五部分 因果结构未知情形下的因果效应估计
- APP免费
第13章 基于CPDAG的因果效应估计
- APP免费
13.1 基于全局CPDAG的因果效应估计
- APP免费
13.2 基于局部因果结构的因果效应估计
- APP免费
13.3 拓展阅读
- APP免费
参考文献
- APP免费
文后
- APP免费
内容简介
- APP免费
封底
更新时间：2023-11-07 17:37:21
完结共100章
倒序