机读格式显示(MARC)

• 000 01834nam 2200313 450

• 001 0000697722

• 005 20240712213100.0

• 010 __ |a 978-7-111-73107-8 |d CNY79.00

• 100 __ |a 20230912d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 因果推断导论 |A yin guo tui duan dao lun |d = Introduction to causal reasoning |f 俞奎, 王浩, 梁吉业编著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2023

• 215 __ |a X, 232页 |c 图 |d 24cm

• 225 2_ |a 人工智能技术丛书 |A ren gong zhi neng ji shu cong shu

• 314 __ |a 俞奎, 合肥工业大学教授, 博士生导师, 安微省人工智能学会副理事长。王浩, 合肥工业大学教授, 博士生导师, 中国工程教育认证专家, 国家精品课程负责人, 教育部大学计算机课程教学指导委员会委员。梁吉业, 教授, 博士生导师, 中国计算机学会会士, 中国人工智能学会会士, 山西大学学术委员会主任, 计算智能与中文信息处理教育部重点实验室主任, 曾任山西大学副校长、太原师范学院院长。

• 320 __ |a 有书目

• 330 __ |a 本书包括13章内容。第1章介绍了因果推断的基本概念。第2章和第3章介绍了Rubin的潜在结果模型, 包括潜在结果模型的基本概念、假设, 以及因果效应估计方法。第4章介绍了Pearl结构因果模型框架下的do演算、因果贝叶斯网络、结构因果模型的基本概念。第5章介绍了混杂偏差的图形化定义与识别、后门准则和前门准则。第6章介绍了图形化定义的选择偏差与计算方法。第7章和第8章分别介绍了反事实和中介效应。第9章介绍了图形化定义的工具变量的基本概念和计算方法。第10-12章介绍了从观测数据中学习因果结构的基本概念与方法。第13章介绍了因果结构未知情形下的因果效应估计方法。

• 410 _0 |1 2001 |a 人工智能技术丛书

• 510 1_ |a Introduction to causal reasoning |z eng

• 606 0_ |a 因果诊断法 |A yin guo zhen duan fa

• 690 __ |a TP277.3 |v 5

• 701 _0 |a 俞奎 |A yu kui |4 编著

• 701 _0 |a 王浩 |A wang hao |4 编著

• 701 _0 |a 梁吉业 |A liang ji ye |4 编著

• 801 _0 |a CN |b WFKJXY |c 20240712

• 905 __ |a WFKJXY |d TP277.3/1