【干货书】《因果推理导论-机器学习角度》下载仓库
资源介绍
本仓库提供了一本名为《因果推理导论-机器学习角度》的干货书，该书为132页的PDF格式。本书从机器学习的角度深入探讨了因果推理的核心概念和方法，适合对因果推理感兴趣的研究人员、学生以及从业者阅读。
主要内容
本书有几个主要的主题贯穿全书，这些主题主要是对两个不同类别的比较。阅读时，理解书的不同部分适合什么类别，不适合什么类别非常重要。
1. 统计与因果
即使有无限多的数据，我们有时也无法计算一些因果量。相比之下，很多统计是关于在有限样本中解决不确定性的。当给定无限数据时，没有不确定性。然而，关联，一个统计概念，不是因果关系。在因果推理方面还有更多的工作要做，即使在开始使用无限数据之后也是如此。这是激发因果推理的主要区别。
2. 识别与评估
因果效应的识别是因果推论所独有的。这是一个有待解决的问题，即使我们有无限的数据。然而，因果推理也与传统统计和机器学习共享估计。我们将主要从识别因果效应（在第2章中4和6）之前估计因果效应（第7章）。例外是2.5节和节4.6.2，我们进行完整的例子估计，以展示整个过程是什么样子。
3. 介入与观察
如果我们能进行干预/实验，因果效应的识别就相对容易。这很简单，因为我们可以采取我们想要衡量因果效应的行动，并简单地衡量我们采取行动后的效果。观测数据变得更加复杂，因为数据中几乎总是引入混杂。
4. 假设
将会有一个很大的焦点是我们用什么假设来得到我们得到的结果。每个假设都有自己的框来帮助人们注意到它。清晰的假设应该使我们很容易看到对给定的因果分析或因果模型的批评。他们希望，清晰地提出假设将导致对因果关系的更清晰的讨论。
使用说明
- 下载PDF文件：点击仓库中的PDF文件进行下载。
- 阅读与学习：使用PDF阅读器打开文件，按照章节顺序进行阅读和学习。
- 讨论与反馈：欢迎在仓库中提出问题或反馈，与其他读者交流学习心得。
注意事项
- 本资源仅供学习和研究使用，请勿用于商业用途。
- 请尊重作者的版权，未经允许不得转载或传播。
希望本书能够帮助你深入理解因果推理，并在实际应用中取得更好的成果！