reklama - zainteresowany?

Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran - Helion

Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran
ebook
Autor: Matheus Facure
Tytuł oryginału: Causal Inference in Python: Applying Causal Inference in the Tech Industry
Tłumaczenie: Tomasz Walczak
ISBN: 978-83-289-0882-6
stron: 360, Format: ebook
Data wydania: 2024-08-20
Księgarnia: Helion

Cena książki: 56,18 zł (poprzednio: 73,92 zł)
Oszczędzasz: 24% (-17,74 zł)

Dodaj do koszyka Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran

Tagi: Analiza danych | Inne - Programowanie | Python - Programowanie | Uczenie maszynowe

Wnioskowanie przyczynowe przydaje si

Dodaj do koszyka Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran

 

Osoby które kupowały "Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran", wybierały także:

  • Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
  • Excel 2013. Kurs video. Poziom drugi. Przetwarzanie i analiza danych
  • Zarz
  • Eksploracja danych za pomoc
  • Google Analytics od podstaw. Analiza wp

Dodaj do koszyka Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran

Spis treści

Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w branży technologicznej eBook -- spis treści

Przedmowa

Część I. Podstawy

  • 1. Wprowadzenie do wnioskowania przyczynowego
    • Czym jest wnioskowanie przyczynowe?
    • Po co stosować wnioskowanie przyczynowe?
    • Uczenie maszynowe i wnioskowanie przyczynowe
    • Asocjacja a związek przyczynowy
      • Oddziaływanie i wynik
      • Podstawowy problem z wnioskowaniem przyczynowym
      • Modele przyczynowe
      • Interwencje
      • Indywidualny efekt oddziaływania
      • Wyniki potencjalne
      • Spójność i stabilna wartość oddziaływania jednostkowego
      • Interesujące wartości przyczynowe
      • Wartości przyczynowe - przykład
    • Błąd systematyczny
      • Wzór na błąd systematyczny
      • Wizualny przewodnik po błędzie systematycznym
    • Identyfikowanie efektu oddziaływania
      • Założenie o niezależności
      • Identyfikacja przy randomizacji
    • Najważniejsze zagadnienia
  • 2. Eksperymenty z randomizacją i przegląd elementów statystyki
    • "Siłowe" zapewnianie niezależności za pomocą randomizacji
    • Przykładowy test A/B
    • Idealny eksperyment
    • Najbardziej niebezpieczne równanie
    • Błąd standardowy szacunków
    • Przedziały ufności
    • Testowanie hipotez
      • Hipoteza zerowa
      • Statystyki testowe
    • Wartości p
    • Moc testu
    • Obliczanie wielkości próby
    • Najważniejsze zagadnienia
  • 3. Graficzne modele przyczynowe
    • Myślenie o przyczynowości
      • Wizualizacja związków przyczynowych
      • Czy konsultanci są warci swojej ceny?
    • Błyskawiczny kurs z zakresu modeli graficznych
      • Łańcuchy
      • Rozgałęzienia
      • Kolider
      • Ściąga dotycząca przepływu asocjacji
      • Tworzenie zapytań dotyczących grafu w Pythonie
    • Jeszcze o identyfikacji
    • Założenie o warunkowej niezależności i formuła korygująca
    • Założenie o dodatniości prawdopodobieństwa
    • Przykład identyfikacji na podstawie danych
    • Błąd spowodowany zmiennymi zakłócającymi
      • Zastępcze zmienne zakłócające
      • Jeszcze o randomizacji
    • Błąd doboru
      • Warunki dotyczące kolidera
      • Korygowanie błędu doboru
      • Warunek dotyczący mediatora
    • Najważniejsze zagadnienia

Część II. Uwzględnianie błędu systematycznego

  • 4. Zaskakująca skuteczność regresji liniowej
    • Potrzebujesz tylko regresji liniowej
      • Dlaczego potrzebujemy modeli?
      • Regresja w testach A/B
      • Korygowanie za pomocą regresji
    • Teoria regresji
      • Regresja liniowa pojedynczej zmiennej
      • Wielozmiennowa regresja liniowa
    • Twierdzenie Frischa-Waugha-Lovella i ortogonalizacja
      • Etap eliminowania błędu systematycznego
      • Etap eliminowania szumu
      • Błąd standardowy estymatora regresji
      • Ostateczny model wyników
      • Podsumowanie na temat twierdzenia FWL
    • Regresja jako model wyników
    • Dodatniość prawdopodobieństwa i ekstrapolacja
    • Nieliniowość w regresji liniowej
      • Linearyzacja oddziaływania
      • Nieliniowe twierdzenie FWL i eliminowanie błędu systematycznego
    • Regresja z użyciem zmiennych zastępczych
      • Eksperymenty warunkowo losowe
      • Zmienne zastępcze
      • Nasycony model regresji
      • Regresja jako średnia ważona wariancją
      • Odejmowanie średniej i efekty stałe
    • Błąd systematyczny spowodowany pominiętą zmienną - zmienne zakłócające w kontekście regresji
    • Neutralne zmienne kontrolne
      • Zmienne kontrolne powodujące szum
      • Dobór cech: kompromis między błędem systematycznym a wariancją
    • Najważniejsze zagadnienia
  • 5. Wskaźnik skłonności
    • Wpływ szkoleń menedżerskich
    • Uwzględnianie zmiennych za pomocą regresji
    • Wskaźnik skłonności
      • Szacowanie wskaźnika skłonności
      • Wynik skłonności i ortogonalizacja
      • Technika PSM
      • Wagi będące odwrotnością wskaźnika skłonności
      • Wariancja w metodzie IPW
      • Stabilizowane wagi oparte na wskaźniku skłonności
      • Pseudopopulacje
      • Błąd doboru
      • Kompromis między błędem systematycznym a wariancją
      • Dodatniość prawdopodobieństwa
    • Identyfikacja oparta na projekcie a identyfikacja oparta na modelu
    • Podwójnie odporna estymacja
      • Oddziaływanie łatwe do modelowania
      • Wynik łatwy do modelowania
    • Uogólniony wskaźnik skłonności dla oddziaływania ciągłego
    • Najważniejsze zagadnienia

Część III. Niejednorodność efektu i personalizacja

  • 6. Niejednorodność efektu
    • Od ATE do CATE
    • Dlaczego predykcje nie są rozwiązaniem
    • Obliczanie wartości CATE za pomocą regresji
    • Ocena predykcji wartości CATE
    • Ocena efektu na podstawie kwantyla z modelu
    • Skumulowany efekt
    • Skumulowany wzrost
    • Transformacja celu
    • Kiedy modele predykcyjne są dobre w porządkowaniu efektów?
    • Krańcowo malejące zwroty
      • Wyniki binarne
      • Wykorzystanie wartości CATE do podejmowania decyzji
    • Najważniejsze zagadnienia
  • 7. Systemy metauczące
    • Systemy metauczące dla oddziaływania dyskretnego
      • T-learner
      • X-learner
    • Systemy metauczące dla oddziaływania ciągłego
      • S-learner
      • Podejście DDML
    • Najważniejsze zagadnienia

Część IV. Dane panelowe

  • 8. Metoda różnicy w różnicach
    • Dane panelowe
    • Kanoniczna postać metody różnicy w różnicach
      • Różnica w różnicach ze wzrostem wyniku
      • Obliczanie różnicy w różnicach na podstawie błędu średniokwadratowego
      • Różnica w różnicach z efektami stałymi
      • Wiele przedziałów czasowych
      • Wnioskowanie
    • Założenia związane z identyfikacją
      • Trendy równoległe
      • Założenie o braku antycypacji i założenie o stabilnej wartości jednostki oddziaływania
      • Ścisła egzogeniczność
      • Brak czynników zakłócających zmiennych w czasie
      • Brak sprzężenia zwrotnego
      • Brak efektu przeniesienia i brak przesuniętej w czasie zmiennej zależnej
    • Dynamika efektu w czasie
    • Metoda różnicy w różnicach ze zmiennymi towarzyszącymi
    • Podwójnie odporna wersja metody różnicy w różnicach
      • Model oparty na wskaźniku skłonności
      • Model zmiany wyników
      • Łączenie wszystkich elementów
    • Stopniowe wprowadzanie oddziaływania
      • Niejednorodność efektu w czasie
      • Zmienne towarzyszące
    • Najważniejsze zagadnienia
  • 9. Metoda syntetycznej kontroli
    • Zestaw danych dotyczących marketingu internetowego
    • Reprezentacja macierzowa
    • Metoda kontroli syntetycznej jako regresja pozioma
    • Kanoniczna wersja metody kontroli syntetycznej
    • Metoda kontroli syntetycznej ze zmiennymi towarzyszącymi
    • Eliminowanie błędu systematycznego w metodzie kontroli syntetycznej
    • Wnioskowanie
    • Metoda syntetycznej różnicy w różnicach
      • Jeszcze o metodzie różnicy w różnicach
      • Jeszcze o metodzie syntetycznej kontroli
      • Szacowanie wag związanych z czasem
      • Metoda syntetycznej kontroli i metoda różnicy w różnicach
    • Najważniejsze zagadnienia

Część V. Inne projekty eksperymentów

  • 10. Eksperymenty geograficzne i eksperymenty z przełączaniem oddziaływania
    • Eksperymenty geograficzne
    • Projektowanie z syntetyczną grupą kontrolną
      • Próba z losową grupą jednostek poddanych oddziaływaniu
      • Wyszukiwanie losowe
    • Eksperyment z przełączaniem oddziaływania
      • Potencjalne wyniki dla sekwencji
      • Szacowanie stopnia efektu przeniesienia
      • Szacowanie oparte na projekcie
      • Optymalny projekt eksperymentów z przełączaniem oddziaływania
      • Odporna wariancja
    • Najważniejsze zagadnienia
  • 11. Niezgodność ze schematem przydziału oddziaływania i zmienne instrumentalne
    • Niezgodność
    • Rozszerzanie notacji potencjalnych wyników
    • Założenia związane z identyfikacją zmiennych instrumentalnych
    • Pierwszy etap
    • Postać zredukowana
    • Dwuetapowa metoda najmniejszych kwadratów
    • Błąd standardowy
    • Dodatkowe zmienne kontrolne i instrumentalne
      • Ręczne stosowanie dwuetapowej metody najmniejszych kwadratów
      • Implementacja macierzowa
    • Projekt z nieciągłością
      • Założenia w projekcie z nieciągłością
      • Efekt zamiaru oddziaływania
      • Oszacowanie zmiennej instrumentalnej
      • Skupiska wartości
    • Najważniejsze zagadnienia
  • 12. Dalsze kroki
    • Odkrywanie relacji przyczynowych
    • Sekwencyjne podejmowanie decyzji
    • Przyczynowe uczenie ze wzmacnianiem
    • Prognozowanie przyczynowe
    • Adaptacja domeny
    • Uwagi końcowe

Skorowidz

Dodaj do koszyka Wnioskowanie przyczynowe w Pythonie. Praktyczne wykorzystanie w bran

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.