MARC状态:审校 文献类型:中文图书 浏览次数:4
- 题名/责任者:
- 因果推理:基础与学习算法/(荷)乔纳斯·彼得斯(Jonas Peters), (德)多米尼克·扬辛(Dominik Janzing), (德)伯恩哈德·舍尔科普夫(Bernhard Scholkopf)著 李小和, 卢胜男, 程国建译
- 出版发行项:
- 北京:机械工业出版社,2021
- ISBN及定价:
- 978-7-111-64030-1/CNY89.00
- 载体形态项:
- 12,236页:图;24cm
- 并列正题名:
- Elements of causal inference:foundations and learning algorithms
- 个人责任者:
- (荷) 彼得斯 (Peters, Jonas) 著
- 个人责任者:
- (德) 扬辛 (Janzing, Dominik) 著
- 个人责任者:
- (德) 舍尔科普夫 (Scholkopf, Bernhard) 著
- 个人次要责任者:
- 李小和 译
- 个人次要责任者:
- 卢胜男 译
- 个人次要责任者:
- 程国建 译
- 学科主题:
- 因果性-推理
- 中图法分类号:
- B812.23
- 版本附注:
- The MIT Press授权出版
- 出版发行附注:
- 限中国大陆发行
- 相关题名附注:
- 版权页英文题名:Elements of causal inference: foundations and learning algorithms
- 提要文摘附注:
- 本书从概率统计的角度入手,分析了因果推理的假设,揭示这些假设所暗示的因果推理和学习的目的。本书分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系,讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。
全部MARC细节信息>>