机读格式显示(MARC)
- 000 01507nam0 2200337 450
- 010 __ |a 978-7-111-64030-1 |d CNY89.00
- 100 __ |a 20210604d2021 em y0chiy50 ea
- 200 1_ |a 因果推理 |A yin guo tui li |e 基础与学习算法 |f (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 |g 李小和, 卢胜男, 程国建译
- 210 __ |a 北京 |c 机械工业出版社 |d 2021
- 215 __ |a 12,236页 |c 图 |d 24cm
- 305 __ |a The MIT Press授权出版
- 312 __ |a 版权页英文题名:Elements of causal inference: foundations and learning algorithms
- 330 __ |a 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。
- 510 1_ |a Elements of causal inference |e foundations and learning algorithms |z eng
- 606 0_ |a 因果性 |A Yin Guo Xing |x 推理
- 701 _1 |c (荷) |a 彼得斯 |A bi de si |g (Peters, Jonas) |4 著
- 701 _1 |c (德) |a 扬辛 |A yang xin |g (Janzing, Dominik) |4 著
- 701 _1 |c (德) |a 舍尔科普夫 |A she er ke pu fu |g (Scholkopf, Bernhard) |4 著
- 702 _0 |a 李小和 |A li xiao he |4 译
- 702 _0 |a 卢胜男 |A lu sheng nan |4 译
- 702 _0 |a 程国建 |A cheng guo jian |4 译
- 801 _0 |a CN |b ZPHC |c 20210808
- 905 __ |a ZPHC |d B812.23/11