2020年新书速递-《因果推理原理：基础与学习算法》分享

        推荐一本详细讲解因果推理原理的新书，本书2020年初刚刚Release出来，需要的朋友自取。对该领域理解有限，翻译不太准确，望见谅。

 

    文末附本书下载pdf地址。

 

前沿概述

    因果关系推理（Causality）是一个非常有趣的研究课题。最近才开始研究隐藏在其背后的数学基础，且许多概念问题仍处于激烈的争论中。

    虽然本书总结了近十年因果关系推理的发展的一些进展，但是关于这个问题的研究时间远远比10年时间长得多，并且已经有关于研究因果关系推理的书籍，比如，Pearl·[2009]，Spirit等人的[2000]，以及Imben和Rubin[2015]综合性方法研究。本书希望能够从这两个方面补充现有的工作。

    首先，本书主要研究因果关系推理子问题，这可能被认为是最基本和最不现实的。这是一个因果问题，需要分析的系统只包含两个可观测值。在过去十年中，作者对这个问题进行了较为详细的研究。本书整理这方面的大部分工作，并试图将其嵌入到作者认为对研究因果关系推理问题的选择性至关重要的更大背景中。尽管先研究二元（bivariate）案例可能有指导意义，但按照章节顺序，也可以直接开始阅读多元（multivariate）章节；见图一。

    第二，本书提出的解决方法来源于机器学习和计算统计领域的技术。作者对其中的方法如何有助于因果结构的推断更感兴趣，以及因果推理是否能告诉我们应该如何进行机器学习。事实上，如果我们不把概率分布描述的随机实验作为出发点，而是考虑分布背后的因果结构，机器学习的一些最深刻的开放性问题就能得到最好的理解。

    

目录

 

 

 

 

 

 

本书下载地址

    链接: https://pan.baidu.com/s/1DEtyFKrtiz5FWCCpL0G-xA 

    提取码: gvs3 

 

 

 

 

 

 

往期精品内容推荐

人工智能2020年发展趋势预测

深度学习推荐系统、CTR预估工业界实战论文整理分享

2020问答系统（QA）最新论文、书籍、数据集、竞赛、课程资源分析

Pytorch官方力荐-11月新书《Pytorch深度学习实战指南》pdf及代码分享

自然语言领域中图神经网络模型（GNN）应用现状（论文）

谷歌Tensorflow 2.0最全书籍、实战项目、代码、官方视频教程分享

深度学习基础：正向模型、可微损失函数与优化

Pytorch应用技巧快速指南

基于Tensorflow的深度学习可复现性

Graph Neural Network（GNN）最全资源整理分享

两分钟论文解读AlphaZero原理

免费中文书籍-《神经网络与深度学习》中文版推荐