机读格式显示(MARC)

• 000 01223nam0 2200277 450

• 001 0000204060

• 005 20241115101500.0

• 010 __ |a 978-7-121-46457-7 |d CNY118.00

• 100 __ |a 20240928d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 因果推断与机器学习 |A yin guo tui duan yu ji qi xue xi |f 郭若城[等]编著

• 205 __ |a 2版 |b 修订版

• 210 __ |a 北京 |c 电子工业出版社 |d 2023.10

• 215 __ |a 251页 |d 24cm

• 304 __ |a 编著还有：程璐、刘昊、刘欢

• 330 __ |a 本书共分6章。第1章从结构因果模型和潜在结果框架出发，介绍因果推断的基本概念和方法。第2章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对未来的展望。

• 333 __ |a 本书适合对因果推断和机器学习感兴趣的高校学生、教师阅读，也适合相关行业的工程师、数据科学家和研究员阅读

• 606 0_ |a 因果性 |A yin guo xing |x 推理

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a B812.2 |v 5

• 701 _0 |a 郭若城 |A guo ruo cheng |4 编著

• 801 _0 |a CN |b 辽批 |c 20240928

• 905 __ |a AHLSL |d B812.2/8-2