Az oksági következtetés elemei: Alapok és tanulási algoritmusok

Olvasói vélemények

A könyvet hasznos tartalma és kiváló minőségű fizikai formátuma miatt dicsérik, különösen a gépi tanulás fogalmaival ismerkedők számára vonzó. A gyártási minőséggel kapcsolatban azonban jelentős aggályok merülnek fel, különösen a Kindle formátummal kapcsolatban.

A kiváló minőségű fizikai példány, a jó papírminőség, a színesben nyomtatott ábrák hasznos hiánypótlást szolgálnak az ok-okozati következtetés gépi tanulási jelölés alkalmazásával, amely ismerős azok számára, akik az „Elements of Statistical Learning” című könyvből tanultak.

Gyenge minőségellenőrzés olyan problémákkal, mint a fejjel lefelé fordított könyvborító, szörnyű Kindle-formázás olvashatatlan szimbólumokkal.

(5 olvasói vélemény alapján)

Eredeti címe:

Elements of Causal Inference: Foundations and Learning Algorithms

Könyv tartalma:

Tömör és önálló bevezetés az ok-okozati következtetésbe, amely egyre fontosabb az adattudományban és a gépi tanulásban.

Az ok-okozati összefüggések matematizálása viszonylag új keletű, és egyre fontosabbá vált az adattudományban és a gépi tanulásban. Ez a könyv önálló és tömör bevezetést nyújt az oksági modellekbe és abba, hogy hogyan lehet őket adatokból megtanulni.

Az oksági modellek szükségességének magyarázata és az oksági következtetés alapjául szolgáló néhány elv tárgyalása után a könyv megtanítja az olvasókat az oksági modellek használatára: hogyan számítsuk ki a beavatkozási eloszlásokat, hogyan következtessünk oksági modellekre megfigyelési és beavatkozási adatokból, és hogyan használhatók ki az oksági ötletek klasszikus gépi tanulási problémákra. Mindezeket a témákat először két változóra, majd az általánosabb, többváltozós esetre vonatkozóan tárgyalja a könyv. A kétváltozós eset különösen nehéz problémának bizonyul az oksági tanulás számára, mivel itt nincsenek feltételes függetlenségek, ahogyan azt a klasszikus módszerek a többváltozós esetek megoldására használják. A szerzők rendkívül tanulságosnak tartják az ok és okozat közötti statisztikai aszimmetriák elemzését, és beszámolnak a probléma egy évtizedes intenzív kutatásáról.

A könyv a gépi tanulásban vagy statisztikában jártas olvasók számára is hozzáférhető, és használható a felsőfokú tanfolyamokon vagy a kutatók számára referenciaként. A szöveg tartalmaz másolható és beilleszthető kódrészleteket, gyakorlatokat, valamint egy függeléket a legfontosabb technikai fogalmak összefoglalásával.