機械学習統計的因果探索の評価
データ更新日:2020-12-09

機械学習分野での評価

書籍の評価について

簡単に次のような指標から評価を計算しています。

  • ・書籍が紹介されているQiita記事のいいね数と更新日
  • ・書籍が紹介されているサイトのGoogleでの検索順位
  • ・Twitterで書籍に関する最新ツイートのいいね数とリツイート数
  • ・「初心者」や「入門書」など特定のキーワードとコンテンツ(例えばQiitaの記事)の関連性

詳細な評価の計算方法については下記をご覧ください。

書籍の評価について

順位9
総合点2
Qiitaの記事での点数1
Twitterでの点数1

過去の順位の推移

グラフについて

  • ・グラフのデータはぬこぷろで計測した、最大で過去5回分を表示しています。
  • ・「順位」について、次の2点の場合は圏外扱いとしてグラフ上には表示しません。なので、グラフ上では途切れた線が表示されることもあります。
    ①ぬこぷろが書籍の点数を計算する際、点数化の元となる最新のメディア(Qiitaの記事など)に書籍の情報が掲載されていなかった場合。ぬこぷろは最新のメディア情報を収集して書籍の点数を計算するため、過去点数計算した際にその書籍がメディアに掲載されていても、点数計算時にぬこぷろが収集したメディアに書籍情報がなければ圏外扱いとなります。
    ②順位が30位を下回った場合。
  • ・「総合点」が0点なのは上記「順位」の圏外扱いの①とと同様に、ぬこぷろが書籍の点数を計算する際、点数化の元となる最新のメディア(Qiitaの記事など)に書籍の情報が掲載されていなかった場合となります。

基本情報

ISBN-139784061529250
内容セミパラメトリックアプローチを因果探索法の「真打ち」として幅広く紹介。代表的手法LiNGAMをその考案者である著者が解説。
目次第1章 統計的因果探索の出発点 1.1 はじめに 1.2 因果探索における最大の困難:擬似相関 1.3 擬似相関の数値例 1.4 本章のまとめ 第2章 統計的因果推論の基礎 2.1 導入 2.2 反事実モデルによる因果の定義 2.3 構造方程式モデルによるデータ生成過程の記述 2.4 統計的因果推論の枠組み:構造的因果モデル 2.5 ランダム化実験 2.6 本章のまとめ 第3章 統計的因果探索の基礎 3.1 動機 3.2 因果探索の枠組み 3.3 因果探索の基本問題 3.4 因果探索の基本問題への3つのアプローチ 3.5 3つのアプローチと識別可能性 3.6 本章のまとめ 第4章 LiNGAM 4.1 独立成分分析 4.2 LiNGAMモデル 4.3 LiNGAMモデルの推定 4.4 本章のまとめ 第5章 未観測共通原因がある場合のLiNGAM 5.1 未観測共通原因による難しさ 5.2 未観測共通原因があるLiNGAMモデル 5.3 未観測共通原因は独立と仮定しても一般性を失わない 5.4 独立成分分析に基づくアプローチ 5.5 混合モデルに基づくアプローチ 5.6 多変数の場合 5.7 本章のまとめ 第6章 関連の話題 6.1 モデルの仮定を緩める 6.2 モデル評価 6.3 統計的信頼性評価 6.4 ソフトウェア 6.5 おわりに
著者
出版日
ページ数181
出版社講談社