新書推薦：
《
尚书：华夏的曙光
》
售價：HK$
66.7
《
中国考古学：旧石器时代晚期到早期青铜时代
》
售價：HK$
101.2
《
精神的奥德赛：罗洛·梅传
》
售價：HK$
98.9
《
闲坐说金庸：揭秘比小说更精彩的金庸人生传奇
》
售價：HK$
74.8
《
二战新史：鲜血与废墟中的世界，1931——1945
》
售價：HK$
216.2
《
汉字古今谈
》
售價：HK$
41.4
《
天亡之秋
》
售價：HK$
89.7
《
KO！再见，焦虑症！
》
售價：HK$
57.3
|
| 內容簡介： |
《因果论：模型、推理和推断（原书第2版）》
本书全面阐述了现代因果关系分析，展示了因果关系如何从一个模糊的概念发展成为一套数学理论，并广泛用于统计学、人工智能、经济学、哲学、认知科学、卫生科学和社会学等领域。本书提出了一个全面的因果关系理论，它统一了因果关系的概率、操作、反事实和结构方法，并提供了简单的数学工具来研究因果关系和统计关联之间的关系。本书通过融合领域知识、常识约束、文化传承的概念等来补充数据信息，为基于统计的机器学习中遇到的基本问题提供了科学的解决方案。
《因果推断：基于图模型分析》
本书着重对因果推断基本概念、基本方法的介绍，为便于读者自学，尽量给出必要的推导、证明和说明。同时，为便于理解，也针对主要的因果推断分析方法提供了相关的案例及分析，以便读者通过案例分析加深对基本概念、基本方法的理解、掌握，并能将相关方法应用到工作实际中去。本书可以作为高等院校人工智能、数据科学、统计等相关专业高年级本科生或研究生的教材，也可以作为人工智能、数据科学、统计等相关专业技术人员因果推断方面的入门读物，还可供医学、法学、经济学、社会学和情报分析等研究领域需要应用因果推断技术的专业人员参考。
|
| 關於作者： |
朱迪亚·珀尔(JudeaPearl)美国国家科学院院士，美国国家工程院院士，美国人工智能协会创始会士，加州大学洛杉矶分校计算机科学和统计学教授，IEEE智能系统名人堂第一批十位入选者之一，被誉为“贝叶斯网络之父”。2011年，Pearl因其在人工智能领域的基础性贡献荣获图灵奖。他提出的概率和因果性推理演算法，彻底改变了人工智能最初基于规则和逻辑的方向。Pearl曾获多项顶级科学荣誉，包括认知科学领域的鲁梅哈特奖、物理学及技术领域的富兰克林奖章以及科学哲学领域的拉卡托斯奖。
罗锐
工学博士、工商管理硕士，先后毕业于电子科技大学、西南交通大学。在电信领域有20多年的技术研发、市场经营和管理工作经验。现在主要从事数据挖掘、机器学习、因果推断及其在通信、医学和法学等社会科学方面应用的教学和研究工作。
|
| 目錄：
|
《因果论：模型、推理和推断（原书第2版）》
中文版序
推荐者序
译者序
我为什么写这本书：回顾与期望
第2版前言
第1版前言
第1章概率、图及因果模型1
1.1概率论概述1
1.1.1为什么学习概率1
1.1.2概率论的基本概念2
1.1.3预测支持与诊断支持结合7
1.1.4随机变量与期望8
1.1.5条件独立与图11
1.2图与概率12
1.2.1图的符号与术语12
1.2.2贝叶斯网络13
1.2.3d-分离准则17
1.2.4贝叶斯网络推断20
1.3因果贝叶斯网络22
1.3.1用于干预谕言的因果网络23
1.3.2因果关系及其稳定性25
1.4函数因果模型27
1.4.1结构方程28
1.4.2因果模型中的概率预测31
1.4.3函数模型中的干预与因果效应33
1.4.4函数模型中的反事实34
1.5因果与统计术语40
第2章因果关系推断理论43
2.1简介：基本直觉44
2.2因果发现框架46
2.3模型偏好（奥卡姆剃刀原则）47
2.4稳定分布51
2.5获取DAG结构52
2.6重建潜在结构54
2.7因果关系推断的局部准则57
2.8非时间因果与统计时间61
2.9结论63
2.9.1关于极小性、马尔可夫性和稳定性64
第3章因果图与因果效应识别69
3.1简介70
3.2马尔可夫模型中的干预72
3.2.1作为干预模型的图72
3.2.2干预作为变量75
3.2.3计算干预效应76
3.2.4因果量值的识别81
3.3控制混杂偏差83
3.3.1后门准则83
3.3.2前门准则86
3.3.3实例：吸烟与基因型理论88
3.4干预的计算90
3.4.1符号预备90
3.4.2推断规则90
3.4.3因果效应的符号推导：一个实例92
3.4.4基于替代试验的因果推断94
3.5可识别性的图模型检验95
3.5.1识别模型97
3.5.2非识别模型99
3.6讨论100
3.6.1要求与扩展100
3.6.2图作为一种数学语言102
3.6.3从图转换到潜在结果104
3.6.4与Robins的G-估计的关系108
第4章行动、计划和直接效应114
4.1简介115
4.1.1行动、动作和概率115
4.1.2决策分析中的行动118
4.1.3行动和反事实120
4.2条件行动与随机策略121
4.3什么时候行动的结果是可识别的122
4.3.1基于图的识别条件122
4.3.2识别效率124
4.3.3对控制问题解析解的推导126
4.3.4总结126
4.4动态计划的可识别性127
4.4.1动机127
4.4.2识别计划：符号和假设129
4.4.3识别计划：序贯后门准则130
4.4.4识别计划：计算流程133
4.5直接效应和间接效应136
4.5.1直接效应与总效应136
4.5.2直接效应、定义和识别137
4.5.3案例:大学录取中的性别歧视问题138
4.5.4自然直接效应141
4.5.5间接效应与中介公式142
第5章社会学和经济学中的因果关系与结构模型144
5.1简介145
5.1.1寻找因果语言145
5.1.2SEM：它的意义怎么变模糊了146
5.1.3图作为一种数学语言150
5.2图与模型检验151
5.2.1结构模型的可检验性含义152
5.2.2检验可检验性156
5.2.3模型等价性157
5.3图与可识别性161
5.3.1线性模型中的参数识别161
5.3.2与非参数识别的比较167
5.3.3因果效应：SEM的干预解释169
5.4部分概念基础172
5.4.1结构参数真实意味着什么172
5.4.2效应分解的解释177
5.4.3外生性、超外生性及其他话题178
5.5结论183
5.6第2版附言184
5.6.1计量经济学的觉醒184
5.6.2线性模型的识别问题185
5.6.3因果论断的鲁棒性185
第6章辛普森悖论、混杂与可压缩性187
6.1剖析辛普森悖论188
6.1.1一个有关悖论的示例188
6.1.2统计学中苦恼的事情190
6.1.3因果关系与可交换性192
6.1.4悖论已解决（或者，人是什么类型的机器）195
6.2为什么没有关于混杂的统计检验，为什么许多人认为应该有，为什么他们是正确的197
6.2.1简介197
6.2.2因果定义和关联定义199
6.3关联性准则如何失效200
6.3.1凭借边缘化使充分性失效200
6.3.2凭借封闭世界假定使充分性失效201
6.3.3凭借无益代理使必要性失效201
6.3.4凭借偶然抵消使必要性失效203
6.4稳定无偏与偶然无偏204
6.4.1动机204
6.4.2形式化定义206
6.4.3稳定无混杂的运算检验207
6.5混杂、可压缩性和可交换性208
6.5.1混杂与可压缩性208
6.5.2混杂与混杂因子210
6.5.3可交换性与混杂结构分析212
6.6结论215
第7章结构化反事实的逻辑217
7.1结构模型语义学218
7.1.1定义：因果模型、行动与
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
