更改

添加3,991字节 、 2021年6月27日 (日) 09:44
无编辑摘要
第165行: 第165行:  
如果我们假设效应恒定,我们可以推断出乔在控制下的潜在结果是什么:
 
如果我们假设效应恒定,我们可以推断出乔在控制下的潜在结果是什么:
   −
<math>Y_{t}(u)=T+Y_{c}(u)</math>
+
<math>Y_{t}(u)=T+Y_{c}(u)</math> 和 <math>Y_{t}(u)-T=Y_{c}(u)</math>。
 
  −
  −
 
  −
<math>Y_{t}(u)-T=Y_{c}(u)</math>。
        第363行: 第359行:  
==编者推荐==
 
==编者推荐==
 
===书籍推荐===
 
===书籍推荐===
 +
[[File:preface.png|200px|thumb|right|《Causal Inference: What If》封面]]
 +
====[https://swarma.org/?p=23226 《Causal Inference: What If》]====
 +
作者:Miguel A. Hernán, James M. Robins
 +
 +
2020年末,由哈佛大学公共卫生学院的 Miguel Hernan 与 Jamie Robins 教授合作完成的因果推断领域的新书 Causal Inference: What If,更是详细全面地阐述了因果推断领域的基本概念与背后的理论基础。
 +
 +
===课程推荐===
 +
====[https://campus.swarma.org/course/2526 两套因果框架深度剖析:潜在结果模型与结构因果模型]====
 +
该课程由英国剑桥大学机器学习组博士生陆超超讲授,他将从以下几个方面跟大家展开深度的讨论:
 +
#讲述因果推断的两大框架:潜在结果模型和结构因果模型,讨论他们各自的优缺点以及他们之间的联系,详细介绍他们之间的转化规律。
 +
#与大家一起深入探讨因果推断中最基本的概念、定理以及它们产生的缘由,了解每个概念背后的故事,从而建立起对因果更全面的感知。
 +
#分享它们在不同学科中的具体的应用,包括社会科学、经济学、医学、机器学习等,借助这些应用,进一步启发大家用因果科学思维来思考和解决问题。
 +
 +
 +
====[https://campus.swarma.org/course/1937 如何用信息视角理解现代因果模型框架?]====
 +
本课程为大家串讲了因果推理相关论文,首先着眼于因果研究的源头,简单介绍哲学中的因果思考;其次重点是用因果之梯(它的信息视角---回答因果问题需要相应的信息)和一个例子,来理解现代因果建模框架;最后梳理因果推理和 AI 领域的融合,以及Causal AI 的强人工智能之路。
 +
 +
 +
===相关文章===
 +
 +
*[https://mp.weixin.qq.com/s/mOdTI0gR9rsRyX4fz3mYNA 因果科学入门读什么书?Y. Bengio博士候选人的研读路径推荐]
 +
*[https://mp.weixin.qq.com/s/TtYsTyyGEX7U1ZOSl-lsPw 前沿综述:因果推断与因果性学习研究进展]
 +
*[https://mp.weixin.qq.com/s/W6PIE211TavEgg_s3adDdg 因果表征学习最新综述:连接因果科学和机器学习的桥梁]
 +
*[https://mp.weixin.qq.com/s/pRgLZFJpbgmAyI7LgOnHug 历时3个月,全球32位讲者,共同讲述因果科学与Causal AI的全景框架!]
 +
*[https://mp.weixin.qq.com/s/f-rI5W6tc6qOzthbzK4oAw 崔鹏:稳定学习——挖掘因果推理和机器学习的共同基础]
 +
*[https://mp.weixin.qq.com/s/l-05jRYabGI-JoXedU-PLA 因果科学:连接统计学、机器学习与自动推理的新兴交叉领域]
 +
*[https://mp.weixin.qq.com/s/ZOUeF_HEFneYVi2BPe8LFg 因果观念新革命?万字长文,解读复杂系统背后的暗因果]
 +
*[https://mp.weixin.qq.com/s/dVxgHcQAz_VjT-HDa2fXgg 周晓华:因果推断的数学基础和在医学中的应用]
 +
 +
 +
=== 相关路径 ===
 +
* [https://pattern.swarma.org/path?id=99 因果科学与Casual AI读书会必读参考文献列表],这个是根据读书会中解读的论文,做的一个分类和筛选,方便大家梳理整个框架和内容。
 +
* [https://pattern.swarma.org/path?id=9 因果推断方法概述],这个路径对因果在哲学方面的探讨,以及因果在机器学习方面应用的分析。
 +
* [https://pattern.swarma.org/path?id=90 因果科学和 Causal AI入门路径],这条路径解释了因果科学是什么以及它的发展脉络。此路径将分为三个部分进行展开,第一部分是因果科学的基本定义及其哲学基础,第二部分是统计领域中的因果推断,第三个部分是机器学习中的因果(Causal AI)。
 +
* [https://pattern.swarma.org/path?id=28 复杂网络动力学系统重构文献],这个路径是张江老师梳理了网络动力学重构问题,描述了动力学建模的常用方法和模型,并介绍了一些经典且重要的论文,这也是复杂系统自动建模读书会的主要论文来源,所以大部分都有解读视频。
 +
* [https://pattern.swarma.org/path?id=114 因果纠缠集智年会——因果推荐系统分论坛]关于因果推荐系统的参考文献和主要嘉宾介绍,来源是集智俱乐部的因果纠缠年会。
   −
*[[Causal Inference: What If]]
  −
作者:Miguel A. Hernán, James M. Robins
  −
[[File:preface.png|200px|thumb|right|《Causal Inference: What If》封面]]
       
7,129

个编辑