有几个主要的主题贯穿全书。这些主题主要是对两个不同类别的比较。当你阅读的时候,很重要的一点是你要明白书的不同部分适合什么类别,不适合什么类别。

统计与因果。即使有无限多的数据,我们有时也无法计算一些因果量。相比之下,很多统计是关于在有限样本中解决不确定性的。当给定无限数据时,没有不确定性。然而,关联,一个统计概念,不是因果关系。在因果推理方面还有更多的工作要做,即使在开始使用无限数据之后也是如此。这是激发因果推理的主要区别。我们在这一章已经做了这样的区分,并将在整本书中继续做这样的区分。

识别与评估。因果效应的识别是因果推论所独有的。这是一个有待解决的问题,即使我们有无限的数据。然而,因果推理也与传统统计和机器学习共享估计。我们将主要从识别因果效应(在第2章中,4和6)之前估计因果效应(第7章)。例外是2.5节和节4.6.2,我们进行完整的例子估计给你的整个过程是什么样子。

介入与观察。如果我们能进行干预/实验,因果效应的识别就相对容易了。这很简单,因为我们可以采取我们想要衡量因果效应的行动,并简单地衡量我们采取行动后的效果。观测数据变得更加复杂,因为数据中几乎总是引入混杂。

假设。将会有一个很大的焦点是我们用什么假设来得到我们得到的结果。每个假设都有自己的框来帮助人们注意到它。清晰的假设应该使我们很容易看到对给定的因果分析或因果模型的批评。他们希望,清晰地提出假设将导致对因果关系的更清晰的讨论。

https://www.bradyneal.com/causal-inference-course

成为VIP会员查看完整内容
219

相关内容

最新《理论计算科学导论》书稿,655页pdf
专知会员服务
81+阅读 · 2020年9月17日
最新《深度持续学习》综述论文,32页pdf
专知会员服务
146+阅读 · 2020年9月7日
最新《因果推断导论》课程,102页ppt
专知会员服务
143+阅读 · 2020年9月1日
【干货书】计算机科学离散数学,627页pdf
专知会员服务
100+阅读 · 2020年8月31日
台湾大学林轩田机器学习书籍《从数据中学习》,216页pdf
421页《机器学习数学基础》最新2019版PDF下载
【机器学习】深入剖析机器学习中的统计思想
产业智能官
11+阅读 · 2019年1月24日
告别曲线拟合:因果推断和do-Calculus简介
论智
23+阅读 · 2018年5月26日
送书 | 深入浅出,一起学习贝叶斯!
AI100
9+阅读 · 2018年2月2日
Arxiv
13+阅读 · 2019年11月24日
Arxiv
10+阅读 · 2018年7月8日
Arxiv
5+阅读 · 2018年4月22日
VIP会员
相关论文
微信扫码咨询专知VIP会员