Pythonライブラリによる因果推論・因果探索[概念と実践] 因果機械学習の鍵を解‪く‬

広大な因果世界を幅広くカバー!

因果推論・因果探索のコード例を多数掲載

原著は米国Amazonでカテゴリーベストセラー(2024/6上旬など)



データサイエンティスト、機械学習エンジニアなら知っておきたい

因果的概念、グラフによる理解、因果探索の実践などを解説。


パート1では、関連・介入・反事実、構造的因果モデルなど、

因果推論を構成する基本概念と、グラフ表現を解説。


パート2では、因果推論プロセスの4ステップのほか、

DoWhy/EconMLを使った因果推論の実装などを説明。


パート3では、因果探索の概念、因果分析プロセスでの位置づけ、

gCastle等を使った高度な因果探索の実装を取り上げます。


【章構成】

■Part1 速習:因果関係

第1章 因果関係に取り組む理由:機械学習があるのに?

第2章 ジューディア・パールと因果のはしご

第3章 回帰、観測、介入

第4章 グラフィカルモデル

第5章 チェーン、フォーク、コライダー


■Part2 因果推論

第6章 ノード、エッジ、統計学的な独立と従属

第7章 4ステップの因果推論プロセス

第8章 因果モデル—仮定と課題

第9章 因果推論と機械学習—マッチングからメタ学習器まで

第10章 因果推論と機械学習—高度な推定器、実験、評価など

第11章 因果推論と機械学習—ディープラーニング、NLPなど


■Part3 因果探索

第12章 因果グラフをいただけますか—因果関係の知識源

第13章 因果探索と機械学習—仮定から応用まで

第14章 因果探索と機械学習—高度なディープラーニングとその先へ

第15章 エピローグ