- 阅读次数： 113 下载次数： 36
- 荐购次数： 9 收藏次数： 2
因果推断与机器学习
ISBN：
978-7-121-46457-7主题：
因果性,机器学习中图法分类号：
B812.23,TP181【中图法分类】
B 哲学、宗教 > B81逻辑学（论理学） > B812 形式逻辑（名学、辩学）【学科分类】
哲学 > 哲学 > 逻辑学- 交叉学科 > 智能科学与技术（可授理学、工学学位）
- 工学 > 电子信息 > 人工智能
-
版本号：
2版修订版
建议阅读终端：
注：如果您的电脑尚未安装PC客户端，请先 安装客户端 后再下载阅读！
手机扫描阅读此书
支持（Android/Iphone）
简介
本书共分6章。第1章从结构因果模型和潜在结果框架出发，介绍因果推断的基本概念和方法。第2章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对未来的展望。
评论
评分：
- 1
- 2
- 3
- 4
- 5
评价：
请输入评论信息
0/255
已评论
全部评论(6)
检索
默认排序
