Публикации по теме 'causal-inference'


Причинно-следственный вывод с машинным обучением
«В жизни много испытаний. Те, которые не должны нас пугать, — это те, с которыми мы можем справиться и взять под контроль». — Анджелина Джоли Введение Рак молочной железы – это аномальный рост клеток молочной железы. Рак молочной железы может развиться как у мужчин, так и у женщин, хотя у мужчин он встречается редко. Это второй по частоте рак у женщин и самый распространенный и инвазивный у женщин. В 2020 году во всем мире у 2,3 миллиона женщин был диагностирован рак..
Линейная регрессия с искажающими факторами
Если вы читаете этот блог, я полагаю, что вы уже знакомы с линейной регрессией. В статистике линейная регрессия  – это линейный подход к моделированию связи между скалярным откликом и одной или несколькими независимыми переменными (также известными как зависимые и независимые переменные). Дополнительную информацию см. в вики . Прогнозируемые значения параметров сильно зависят от наблюдаемых данных. Некоторые переменные влияют как на зависимые, так и на независимые переменные...
Причинный вывод - Часть VII - d-разделение
Причинный вывод d-разделение Это седьмой пост из серии, в которой мы прорабатываем Причинный вывод в статистике - красивое учебное пособие, соавтором которого является сам Judea Pearl . Вы можете найти предыдущий пост здесь и весь соответствующий код Python в сопутствующем репозитории GitHub: DataForScience / Причинность Как причины приводят к следствиям? Можете ли вы связать причину, приведшую к наблюдаемому результату? Большие данные..
Раскрытие возможностей причинно-следственных связей в машинном обучении
Руководство для начинающих по моделированию подъема и оценке среднего эффекта лечения. Введение: предсказание против причинного вывода В последнее время появляется все больше дискуссий и бизнес-приложений, связанных с причинно-следственными выводами в области машинного обучения. Вообще говоря, машинное обучение хорошо справляется с проблемами прогнозирования . Например, недавний популярный ChatGPT, который по сути представляет собой ИИ для решения задач прогнозирования. На основе..
Причинно-следственный вывод, часть 10: оценка причинно-следственных связей с помощью разницы в различиях: наука о данных…
Глубоководная защита как мощный инструмент для оценки причинных эффектов на основе данных наблюдений, обзор применения, проблемы и передовой опыт. Введение В науке о данных понимание причинно-следственных связей имеет решающее значение для создания точных прогнозов и принятия эффективных мер. Однако вывод причинно-следственной связи из данных наблюдений может быть сложной и сложной задачей. Есть несколько ограничений и потенциальных источников смещения, которые необходимо учитывать..
Личное обновление и две отраслевые тенденции
Письмо Личное обновление и две отраслевые тенденции Речь идет о моей контентной стратегии на Medium и LinkedIn . Обновлено 7 декабря 2021 г. Привет! Спасибо всем за чтение, аплодисменты, подписку, выделение и «частное упоминание» моей работы в Data Science. По-настоящему ценю помолвку. Последние несколько месяцев были определяющими в моей карьере, и все немного успокоилось. Я проведу пресс-конференцию в назначенный срок, чтобы вы, ребята, задали правильные вопросы...
Реализация причинного воздействия поверх вероятности TensorFlow
Использование структурных временных рядов для определения причинно-следственной связи между переменными. Однажды ко мне подошел мой хороший друг и коллега и задал вопрос, который «не дает мне покоя» по сей день. Фактически, этот пост, написанный спустя годы после этого вопроса, является производным от этого разговора. Он спросил: -Эй, мужик! Мы пытаемся решить интересную проблему, может, вы нам поможете! Проблема в том, что мы хотим провести маркетинговую кампанию на национальном..