会员服务
因果关系 ·
2021 年 3 月 25 日
Nature计算科学综述：经由准实验从观察数据中推测因果关系
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

在许多数据科学问题中，由观测数据估计因果关系是一项极具挑战但又十分必要的环节。基于观察数据、利用数据的随机波动——即借助准实验判定因果关系的方法。同时，作者展示了如何将该方法与机器学习相结合，在典型的数据科学环境中回答因果问题。该文还强调了数据科学家如何能够帮助推进这些方法，从而对来自医学、工业和社会中的高维数据进行因果估计。

https://www.nature.com/articles/s43588-020-00005-8

成为VIP会员查看完整内容
https://www.nature.com/articles/s43588-020-00005-8
Quantifying causality in data science with quasi-experiments
34

相关内容

「因果推理」概述论文，13页pdf
专知会员服务
95+阅读 · 2021年3月20日
多元时间序列因果关系分析研究综述
专知会员服务
139+阅读 · 2021年2月3日
【Nature】贝叶斯统计与建模综述，26页pdf
【Nature】贝叶斯统计与建模综述，26页pdf
专知会员服务
71+阅读 · 2021年1月21日
最新《从观察数据发现因果性》，150页ppt
专知会员服务
62+阅读 · 2021年1月6日
经济学中的数据科学：机器学习与深度学习方法
经济学中的数据科学：机器学习与深度学习方法
专知会员服务
25+阅读 · 2020年10月19日
【NeurIPS2020】可处理的反事实推理的深度结构因果模型
【NeurIPS2020】可处理的反事实推理的深度结构因果模型
专知会员服务
46+阅读 · 2020年9月28日
最新《数据因果性学习: 问题与方法》2020综述论文，36页pdf
最新《数据因果性学习: 问题与方法》2020综述论文，36页pdf
专知会员服务
149+阅读 · 2020年8月16日
多模态学习方法综述
专知会员服务
215+阅读 · 2020年5月6日
基于深度学习的多标签生成研究进展
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
因果关联学习，Causal Relational Learning
因果关联学习，Causal Relational Learning
专知会员服务
179+阅读 · 2020年4月21日
基于深度元学习的因果推断新方法
基于深度元学习的因果推断新方法
图与推荐
10+阅读 · 2020年7月21日
北航发布「深度学习人群计数」2020综述论文，220+基于CNN的密度估计和人群计数的方法大调研
北航发布「深度学习人群计数」2020综述论文，220+基于CNN的密度估计和人群计数的方法大调研
专知
10+阅读 · 2020年4月1日
思维胜于数据 -《为什么：关于因果关系的新科学》Part I
思维胜于数据 -《为什么：关于因果关系的新科学》Part I
遇见数学
6+阅读 · 2019年8月16日
论文浅尝 | 时序与因果关系联合推理
论文浅尝 | 时序与因果关系联合推理
开放知识图谱
33+阅读 · 2019年6月23日
用深度学习揭示数据的因果关系
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
让智能体主动交互，DeepMind提出用元强化学习实现因果推理
让智能体主动交互，DeepMind提出用元强化学习实现因果推理
机器之心
17+阅读 · 2019年2月11日
因果关系到底存不存在：反事实和平行宇宙
因果关系到底存不存在：反事实和平行宇宙
机器之心
5+阅读 · 2019年2月7日
你知道实验数据也是可以发表的吗？| Scientific Data
你知道实验数据也是可以发表的吗？| Scientific Data
科研圈
8+阅读 · 2018年9月30日
赛尔原创 | ACM BCB 2018 CausalTriad: 从医学文本数据中推断出新的因果关系假设
赛尔原创 | ACM BCB 2018 CausalTriad: 从医学文本数据中推断出新的因果关系假设
哈工大SCIR
14+阅读 · 2018年6月28日
NSR观点| 学习因果关系和基于因果性的学习
NSR观点| 学习因果关系和基于因果性的学习
知社学术圈
17+阅读 · 2018年1月7日
Self-Supervised Learning of Graph Neural Networks: A Unified Review
Arxiv
37+阅读 · 2021年2月23日
Transfer Learning in Deep Reinforcement Learning: A Survey
Transfer Learning in Deep Reinforcement Learning: A Survey
Arxiv
23+阅读 · 2020年9月16日
Knowledge Graphs
Arxiv
99+阅读 · 2020年3月4日
A Survey on Causal Inference
Arxiv
108+阅读 · 2020年2月5日
Causality for Machine Learning
Arxiv
22+阅读 · 2019年11月24日
The Book of Why: Review
Arxiv
15+阅读 · 2019年9月30日
MeLU: Meta-Learned User Preference Estimator for Cold-Start Recommendation
MeLU: Meta-Learned User Preference Estimator for Cold-Start Recommendation
Arxiv
38+阅读 · 2019年7月31日
Learning Discrete Structures for Graph Neural Networks
Arxiv
6+阅读 · 2019年5月17日
Learning Heuristics over Large Graphs via Deep Reinforcement Learning
Arxiv
12+阅读 · 2019年3月8日
Density-Adaptive Kernel based Re-Ranking for Person Re-Identification
Arxiv
4+阅读 · 2018年5月20日
VIP会员
相关主题
因果关系
相关VIP内容
「因果推理」概述论文，13页pdf
专知会员服务
95+阅读 · 2021年3月20日
多元时间序列因果关系分析研究综述
专知会员服务
139+阅读 · 2021年2月3日
【Nature】贝叶斯统计与建模综述，26页pdf
【Nature】贝叶斯统计与建模综述，26页pdf
专知会员服务
71+阅读 · 2021年1月21日
最新《从观察数据发现因果性》，150页ppt
专知会员服务
62+阅读 · 2021年1月6日
经济学中的数据科学：机器学习与深度学习方法
经济学中的数据科学：机器学习与深度学习方法
专知会员服务
25+阅读 · 2020年10月19日
【NeurIPS2020】可处理的反事实推理的深度结构因果模型
【NeurIPS2020】可处理的反事实推理的深度结构因果模型
专知会员服务
46+阅读 · 2020年9月28日
最新《数据因果性学习: 问题与方法》2020综述论文，36页pdf
最新《数据因果性学习: 问题与方法》2020综述论文，36页pdf
专知会员服务
149+阅读 · 2020年8月16日
多模态学习方法综述
专知会员服务
215+阅读 · 2020年5月6日
基于深度学习的多标签生成研究进展
基于深度学习的多标签生成研究进展
专知会员服务
140+阅读 · 2020年4月25日
因果关联学习，Causal Relational Learning
因果关联学习，Causal Relational Learning
专知会员服务
179+阅读 · 2020年4月21日
热门VIP内容
相关资讯
基于深度元学习的因果推断新方法
基于深度元学习的因果推断新方法
图与推荐
10+阅读 · 2020年7月21日
北航发布「深度学习人群计数」2020综述论文，220+基于CNN的密度估计和人群计数的方法大调研
北航发布「深度学习人群计数」2020综述论文，220+基于CNN的密度估计和人群计数的方法大调研
专知
10+阅读 · 2020年4月1日
思维胜于数据 -《为什么：关于因果关系的新科学》Part I
思维胜于数据 -《为什么：关于因果关系的新科学》Part I
遇见数学
6+阅读 · 2019年8月16日
论文浅尝 | 时序与因果关系联合推理
论文浅尝 | 时序与因果关系联合推理
开放知识图谱
33+阅读 · 2019年6月23日
用深度学习揭示数据的因果关系
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
让智能体主动交互，DeepMind提出用元强化学习实现因果推理
让智能体主动交互，DeepMind提出用元强化学习实现因果推理
机器之心
17+阅读 · 2019年2月11日
因果关系到底存不存在：反事实和平行宇宙
因果关系到底存不存在：反事实和平行宇宙
机器之心
5+阅读 · 2019年2月7日
你知道实验数据也是可以发表的吗？| Scientific Data
你知道实验数据也是可以发表的吗？| Scientific Data
科研圈
8+阅读 · 2018年9月30日
赛尔原创 | ACM BCB 2018 CausalTriad: 从医学文本数据中推断出新的因果关系假设
赛尔原创 | ACM BCB 2018 CausalTriad: 从医学文本数据中推断出新的因果关系假设
哈工大SCIR
14+阅读 · 2018年6月28日
NSR观点| 学习因果关系和基于因果性的学习
NSR观点| 学习因果关系和基于因果性的学习
知社学术圈
17+阅读 · 2018年1月7日
相关论文
Self-Supervised Learning of Graph Neural Networks: A Unified Review
Arxiv
37+阅读 · 2021年2月23日
Transfer Learning in Deep Reinforcement Learning: A Survey
Transfer Learning in Deep Reinforcement Learning: A Survey
Arxiv
23+阅读 · 2020年9月16日
Knowledge Graphs
Arxiv
99+阅读 · 2020年3月4日
A Survey on Causal Inference
Arxiv
108+阅读 · 2020年2月5日
Causality for Machine Learning
Arxiv
22+阅读 · 2019年11月24日
The Book of Why: Review
Arxiv
15+阅读 · 2019年9月30日
MeLU: Meta-Learned User Preference Estimator for Cold-Start Recommendation
MeLU: Meta-Learned User Preference Estimator for Cold-Start Recommendation
Arxiv
38+阅读 · 2019年7月31日
Learning Discrete Structures for Graph Neural Networks
Arxiv
6+阅读 · 2019年5月17日
Learning Heuristics over Large Graphs via Deep Reinforcement Learning
Arxiv
12+阅读 · 2019年3月8日
Density-Adaptive Kernel based Re-Ranking for Person Re-Identification
Arxiv
4+阅读 · 2018年5月20日
微信扫码咨询专知VIP会员
Top