因果推理：基礎(chǔ)與學(xué)習(xí)算法

定　價(jià)：￥89.00

作　者：	[荷] 喬納斯-彼得斯（Jonas Peters），[德] 多米尼克著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787111640301	出版時(shí)間：	2021-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《因果推理：基礎(chǔ)與學(xué)習(xí)算法》從概率統(tǒng)計(jì)的角度入手，分析了因果推理的假設(shè)，揭示這些假設(shè)所暗示的因果推理和學(xué)習(xí)的目的。本書(shū)分別論述了兩個(gè)變量和多變量情況下的因果模型、學(xué)習(xí)因果模型及其與機(jī)器學(xué)習(xí)的關(guān)系，討論了因果推理隱藏變量有關(guān)的問(wèn)題、時(shí)間系列的因果分析。《因果推理：基礎(chǔ)與學(xué)習(xí)算法》可作為高等院校人工智能和計(jì)算機(jī)科學(xué)等相關(guān)專業(yè)高年級(jí)本科生和碩士研究生的教材，也可供研究機(jī)器學(xué)習(xí)、因果推理的技術(shù)人員參考。

作者簡(jiǎn)介

　　喬納斯？彼得斯（Jonas Peters）是丹麥哥本哈根大學(xué)統(tǒng)計(jì)學(xué)副教授。多米尼克？揚(yáng)辛（Dominik Janzing）是位于德國(guó)圖賓根的馬克斯？普朗克智能系統(tǒng)研究所的高級(jí)研究科學(xué)家。伯恩哈德？舍爾科普夫（Bernhard Sch？lkopf）是位于德國(guó)圖賓根的馬克斯？普朗克智能系統(tǒng)研究所的主任。

圖書(shū)目錄

譯者序
原書(shū)前言
符號(hào)和術(shù)語(yǔ)
第 1章　統(tǒng)計(jì)和因果模型
1.1　概率論與統(tǒng)計(jì)學(xué)
1.2　學(xué)習(xí)理論
1.3　因果建模和學(xué)習(xí)
1.4　兩個(gè)實(shí)例
1.4.1　模式識(shí)別
1.4.2　基因干擾
第 2章　因果推斷假設(shè)
2.1　獨(dú)立機(jī)制原則
2.2　歷史記錄
2.3　因果模型的物理結(jié)構(gòu)
2.3.1　時(shí)間的作用
2.3.2　物理定律
2.3.3　循環(huán)賦值
2.3.4　干預(yù)的可行性
2.3.5　原因和機(jī)制的獨(dú)立性以及時(shí)間的熱力學(xué)之箭
第3章原因-效果模型
3.1　結(jié)構(gòu)因果模型
3.2　干預(yù)
3.3　反事實(shí)
3.4　結(jié)構(gòu)因果模型的標(biāo)準(zhǔn)表示
3.5　問(wèn)題
第 4章　學(xué)習(xí)原因-效果模型
4.1　結(jié)構(gòu)可識(shí)別性
4.1.1　為什么需要額外的假設(shè)
4.1.2　假設(shè)類型的概述
4.1.3　非高斯加性噪聲的線性模型
4.1.4　非線性加性噪聲模型
4.1.5　離散加性噪聲模型
4.1.6　后非線性模型
4.1.7　信息-幾何因果推斷
4.1.8　Trace方法
4.1.9　以算法信息理論為可能的基礎(chǔ)
4.2　結(jié)構(gòu)識(shí)別方法
4.2.1　加性噪聲模型
4.2.2　信息幾何因果推斷
4.2.3　Trace方法
4.2.4　監(jiān)督學(xué)習(xí)方法
4.3　問(wèn)題
第5章　與機(jī)器學(xué)習(xí)的聯(lián)系1
5.1　半監(jiān)督學(xué)習(xí)
5.1.1　半監(jiān)督學(xué)習(xí)和因果方向
5.1.2　關(guān)于半監(jiān)督學(xué)習(xí)在因果方向上的注釋
5.2　協(xié)變量偏移
5.3　問(wèn)題
第6章　多變量因果模型…
6.1　圖的術(shù)語(yǔ)
6.2　結(jié)構(gòu)因果模型
6.3　干預(yù)
6.4　反事實(shí)
6.5　馬爾可夫性、忠實(shí)性和因果最小性
6.5.1　馬爾可夫性
6.5.2　因果圖模型
6.5.3　忠實(shí)性和因果最小性
6.6　通過(guò)協(xié)變量調(diào)整計(jì)算干預(yù)分布
6.7　do-calculus
6.8　因果模型的等價(jià)性和可證偽性
6.9　潛在的結(jié)果
6.9.1　定義與實(shí)例
6.9.2　潛在的結(jié)果與結(jié)構(gòu)因果模型之間的關(guān)系
6.10　單一對(duì)象的廣義結(jié)構(gòu)因果模型
6.11　條件算法獨(dú)立性
6.12　問(wèn)題
第7章　學(xué)習(xí)多變量因果模型
7.1　結(jié)構(gòu)可識(shí)別性
7.1.1　忠實(shí)性
7.1.2　加性噪聲模型
7.1.3　具有等誤差方差的線性高斯模型
7.1.4　線性非高斯無(wú)環(huán)模型
7.1.5　非線性高斯加性噪聲模型
7.1.6　觀測(cè)數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)
7.2　結(jié)構(gòu)識(shí)別方法
7.2.1　基于獨(dú)立的方法
7.2.2　基于分?jǐn)?shù)的方法
7.2.3　加性噪聲模型
7.2.4　已知因果次序
7.2.5　觀測(cè)數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)
7.3　問(wèn)題
第8章　與機(jī)器學(xué)習(xí)的聯(lián)系2
8.1　半同胞回歸
8.2　因果推斷與場(chǎng)景強(qiáng)化學(xué)習(xí)
8.2.1　逆概率加權(quán)
8.2.2　場(chǎng)景強(qiáng)化學(xué)習(xí)
8.2.3　21點(diǎn)（Blackjack）中的狀態(tài)簡(jiǎn)化
8.2.4　改進(jìn)廣告布置的加權(quán)
8.3　域適應(yīng)
8.4　問(wèn)題
第9章　隱藏變量
9.1　干預(yù)充分性
9.2　Simpson悖論
9.3　工具變量
9.4　條件獨(dú)立性和圖表示
9.4.1　圖
9.4.2　快速因果推斷
9.5　條件獨(dú)立性之外的約束
9.5.1　Verma約束
9.5.2　不等式約束
9.5.3　基于協(xié)方差的約束
9.5.4　附加噪聲模型
9.5.5　檢測(cè)低復(fù)雜度混雜因子
9.5.6　不同的環(huán)境
9.6　問(wèn)題
第10章　時(shí)間序列
10.1　基礎(chǔ)和術(shù)語(yǔ)
10.2　結(jié)構(gòu)因果模型和干預(yù)
10.2.1　下采樣
10.3　學(xué)習(xí)因果時(shí)間序列模型
10.3.1　馬爾可夫條件和忠實(shí)性
10.3.2　一些不要求忠實(shí)性的因果結(jié)論
10.3.3　Granger因果關(guān)系
10.3.4　具有受限函數(shù)類的模型
10.3.5　頻譜獨(dú)立準(zhǔn)則
10.4　動(dòng)態(tài)因果建模
10.5　問(wèn)題
附錄
附錄A　一些概率與統(tǒng)計(jì)學(xué)基礎(chǔ)知識(shí)
A.1　基本定義
A.2　獨(dú)立性以及條件獨(dú)立性測(cè)試
A.3　函數(shù)類的容量
附錄B　因果次序和鄰接矩陣
附錄C　證明
C.1　定理4.2的證明
C.2　命題6.3的證明
C.3　備注6.6的證明
C.4　命題6.13的證明
C.5　命題6.14的證明
C.6　命題6.36的證明
C.7　命題6.48的證明
C.8　命題6.49的證明
C.9　命題7.1的證明
C.10 命題7.4的證明
C.11　命題8.1的證明
C.12　命題8.2的證明
C.13　命題9.3的證明
C.14　命題10.3的證明
C.15　定理10.4的證明
參考文獻(xiàn)