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
36

相关内容

专知会员服务
146+阅读 · 2021年2月3日
【Nature】贝叶斯统计与建模综述,26页pdf
专知会员服务
77+阅读 · 2021年1月21日
【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
49+阅读 · 2020年9月28日
因果关联学习,Causal Relational Learning
专知会员服务
185+阅读 · 2020年4月21日
基于深度元学习的因果推断新方法
图与推荐
12+阅读 · 2020年7月21日
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
Arxiv
102+阅读 · 2020年3月4日
Arxiv
15+阅读 · 2019年9月30日
VIP会员
相关主题
相关VIP内容
专知会员服务
146+阅读 · 2021年2月3日
【Nature】贝叶斯统计与建模综述,26页pdf
专知会员服务
77+阅读 · 2021年1月21日
【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
49+阅读 · 2020年9月28日
因果关联学习,Causal Relational Learning
专知会员服务
185+阅读 · 2020年4月21日
相关资讯
基于深度元学习的因果推断新方法
图与推荐
12+阅读 · 2020年7月21日
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
相关论文
Arxiv
102+阅读 · 2020年3月4日
Arxiv
15+阅读 · 2019年9月30日
微信扫码咨询专知VIP会员