Copyright © 2020 ぬこぷろ
All Rights Reserved

Pythonつくりながら学ぶ! Pythonによる因果分析の評価
データ更新日:2020-09-13

Python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

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23
総合点5
Qiitaの記事での点数4
twitterでの点数1

基本情報

内容ビジネスで実践できるデータ分析力をマスター!
目次第1部 因果推論 第1章 相関と因果の違いを理解しよう 1-1 因果推論が必要となる架空事例の紹介 1-2 相関と因果の違い、疑似相関とは 1-3 Google Colaboratoryを用いたPythonプログラミング:疑似相関の確認 第2章 因果効果の種類を把握しよう 2-1 反実仮想と様々な因果効果(ATE、ATT、ATU、CATE) 2-2 介入(doオペレータ)とは 2-3 本書で使用する数学記法の整理 2-4 調整化公式とは 第3章 グラフ表現とバックドア基準を理解しよう 3-1 構造方程式モデルとグラフ表現(因果ダイアグラムDAG) 3-2 バックドア基準、バックドアパス、d分離 3-3 ランダム化比較試験RCTによる因果推論 第4章 因果推論を実装しよう 4-1 回帰分析による因果推論の実装 4-2 傾向スコアを用いた逆確率重み付け法(IPTW)の実装 4-3 Doubly Robust法(DR法)による因果推論の実装 第5章 機械学習を用いた因果推論 5-1 ランダムフォレストによる分類と回帰のしくみ 5-2 Meta-Learners(T-Learner、S-Learner、X-Learner)の実装 5-3 Doubly Robust Learningの実装 第2部 因果探索 第6章 LiNGAMの実装 6-1 LiNGAM(Linear Non-Gaussian Acyclic Model)とは 6-2 独立成分分析とは 6-3 LiNGAMによる因果探索の実装 第7章 ベイジアンネットワークの実装 7-1 ベイジアンネットワークとは 7-2 ネットワークの当てはまりの良さを測る方法 7-3 変数間の独立性の検定 7-4 3タイプのベイジアンネットワークの探索手法 7-5 PCアルゴリズムによるベイジアンネットワーク探索の実装 第8章 ディープラーニングを用いた因果探索 8-1 因果探索とGAN(Generative Adversarial Networks)の関係 8-2 SAM(Structural Agnostic Model)の概要 8-3 SAMの識別器Dと生成器Gの実装 8-4 SAMの損失関数の解説と因果探索の実装 8-5 Google ColaboratoryでGPUを使用した因果探索の実行
著者小川雄太郎
出版日2020-06-25
ページ数223
出版社マイナビ出版

本を紹介しているQiitaの記事

記事名いいね数
Pythonによる因果推論と因果探索(初心者の方向け)355

他の分野での評価

AI」での評価

順位10
総合点12
Qiitaの記事での点数11
twitterでの点数1