新書推薦:
《
何以中国·何谓唐代:东欧亚帝国的兴亡与转型
》
售價:NT$
398.0
《
一间只属于自己的房间 女性主义先锋伍尔夫代表作 女性精神独立与经济独立的象征,做自己,比任何事都更重要
》
售價:NT$
203.0
《
泉舆日志 幻想世界宝石生物图鉴
》
售價:NT$
611.0
《
养育女孩 : 官方升级版
》
售價:NT$
230.0
《
跨界:蒂利希思想研究
》
售價:NT$
500.0
《
千万别喝南瓜汤(遵守规则绘本)
》
售價:NT$
203.0
《
大模型启示录
》
售價:NT$
510.0
《
东法西渐:19世纪前西方对中国法的记述与评价
》
售價:NT$
918.0
|
內容簡介: |
本书是一本理论扎实,同时联系实际应用的图书。全书系统地介绍了因果推断的基本知识、基于机器学习的因果推断方法和基于因果推断的机器学习方法及其在一些重要领域的应用。 全书共分6章。第1章从潜结果框架和结构因果模型出发,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。本书对结合因果推断和机器学习的理论与实践进行了介绍。通过阅读本书,读者不仅可以掌握因果机器学习的基础理论,还可对本书中提到的论文代码进行钻研,从而在实践中加深对因果机器学习的理解。
|
關於作者: |
郭若城,伦敦字节跳动人工智能实验室机器学习研究员。研究重点为因果推断和可置信的机器学习在推荐系统、搜索排序和图数据中的应用。曾获美国亚利桑那州立大学杰出计算机科学博士生奖项。程璐,美国伊利诺伊芝加哥分校计算机系助理教授,于2022年获美国亚利桑那州立大学(ASU)计算机科学专业博士学位,师从刘欢教授。研究方向包括社会负责任人工智能,具体为人工智能的公平性、可解释性、隐私保护、可泛化性、对社会的公益性、因果机器学习,以及社会计算。刘昊,美国加州理工学院在读计算机专业博士生,本科毕业于南京大学匡亚明学院,研究方向为可置信的机器学习、因果机器学习。刘欢,美国亚利桑那州立大学计算机科学与工程学院教授,ACM Fellow、AAAI Fellow、AAAS Fellow、IEEE Fellow。研究重点是开发人工智能、数据挖掘、机器学习和社会计算的计算方法,并设计高效的算法有效地解决了从基础研究、特征选择、社会媒体挖掘到现实世界应用的问题。
|
目錄:
|
第1章 因果推断入门11.1 定义因果关系的两种基本框架11.1.1 结构因果模型31.1.2 潜结果框架171.2 因果识别和因果效应估测211.2.1 工具变量221.2.2 断点回归设计271.2.3 前门准则301.2.4 双重差分模型321.2.5 合成控制341.2.6 因果中介效应分析391.2.7 部分识别、ATE的上下界和敏感度分析44第2章 用机器学习解决因果推断问题522.1 基于集成学习的因果推断532.2 基于神经网络的因果推断572.2.1 反事实回归网络572.2.2 因果效应变分自编码器622.2.3 因果中介效应分析变分自编码器692.2.4 针对线上评论多方面情感的多重因果效应估计712.2.5 基于多模态代理变量的多方面情感效应估计742.2.6 在网络数据中解决因果推断问题77第3章 因果表征学习与泛化能力823.1 数据增强843.1.1 利用众包技术的反事实数据增强843.1.2 基于规则的反事实数据增强893.1.3 基于模型的反事实数据增强913.2 提高模型泛化能力的归纳偏置963.2.1 使用不变预测的因果推理963.2.2 独立机制原则1013.2.3 因果学习和反因果学习 1023.2.4 半同胞回归1033.2.5 不变风险最小化1053.2.6 不变合理化 113第4章 可解释性、公平性和因果机器学习1204.1 可解释性1214.1.1 可解释性的属性1224.1.2 基于相关性的可解释性模型1244.1.3 基于因果机器学习的可解释性模型1274.2 公平性1444.2.1 不公平机器学习的典型实例1454.2.2 机器学习不公平的原因1474.2.3 基于相关关系的公平性定义1494.2.4 因果推断对公平性研究的重要性1534.2.5 因果公平性定义1564.2.6 基于因果推断的公平机器学习1624.3 因果推断在可信和负责任人工智能的其他应用166第5章 特定领域的机器学习1695.1 推荐系统与因果机器学习1705.1.1 推荐系统简介1705.1.2 用因果推断修正推荐系统中的偏差1805.2 基于因果推断的学习排序1965.2.1 学习排序简介1975.2.2 用因果推断修正学习排序中的偏差201第6章 总结与展望2126.1 总结2126.2 展望218术语表220参考文献232
|
|