《大數據中的因果關係發現》是科學出版社2018年出版的一本圖書，作者是蔡瑞初，郝志峰 。
基本介紹
- 書名：大數據中的因果關係發現
- 作者：蔡瑞初，郝志峰
- 出版社：科學出版社
- 出版時間：2018年08月01日
- 頁數：115 頁
- 定價：56 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787030584762
內容簡介,目錄,
內容簡介
因果關係嚴格區分了“因”變數和“果”變數，在揭示事物發生機制、指導干預行為等方面具有相關關係不可替代的重要作用。在大數據時代，如何探索海量、高維、觀察性的數據背後的因果機制具有重要的商業價值和科學意義。觀察數據的因果關係方向判斷困難、高維數據的因果結構發現能力不足、現有算法適用場景有限等仍然嚴重阻礙著因果推斷領域的發展，是當前因果關係研究的難點和熱點。《大數據中的因果關係發現》從因果關係與相關關係之間的區別與聯繫出發，從因果關係模型、因果關係發現方法、因果關係與機器學習關係等角度對上述進展進行探討，並對作者研究團隊關於上述問題的一些**研究進展進行總結。
目錄
目錄
前言
第1章 導論
1．1 因果關係的概念
1．2 因果關係與相關關係
1．3 因果關係與機器學習
1．4 基於實驗與基於觀察數據的因果關係發現
1．5 小結
參考文獻
第2章 基礎知識
2．1 貝葉斯網路
2．2 函式因果模型
2．3 獨立性假設檢驗
2．3．1 離散數據的G2檢驗
2．3．2 線性數據的偏相關檢驗
2．3．3 非線性數據的核條件獨立性檢驗
2．4 回歸分析
2．4．1 線性數據的小二乘回歸
2．4．2 非線性數據的高斯過程回歸
2．5 小結
參考文獻
第3章 基於約束的方法
3．1 因果網路結構學習問題
3．2 PC算法和IC算法
3．2．1 PC算法
3．2．2 IC算法
3．3 基於V-結構組裝的方法
3．3．1 V-結構的誤發現問題
3．3．2 V-結構的組裝策略
3．4 套用
3．5 小結
參考文獻
第4章 基於函式因果模型的方法
4．1 典型數據的函式因果模型
4．1．1 面向線性非高斯噪聲數據的方法
4．1．2 面向非線性噪聲數據的方法
4．1．3 面向後非線性數據的方法
4．2 離散數據的低秩隱狀態函式因果模型
4．2．1 低秩隱狀態函式因果模型
4．2．2 低秩隱狀態函式因果模型的可識別性
4．3 套用 52
4．3．1 移動通信網路性能之間的因果關係
4．3．2 鮑魚身體特徵與年齡的因果關係
4．3．3 匹茲堡橋結構參數之間的因果關係
4．4 小結
參考文獻
第5章 混合型方法
5．1 分治策略
5．1．1 算法框架
5．1．2 因果分割集搜尋算法
5．1．3 局部結構化合併算法
5．1．4 理論分析
5．2 組裝策略
5．2．1 算法框架
5．2．2 局部結構生成算法
5．2．3 基於傳播的權重增強算法
5．2．4 基於大無環子圖的因果排序算法
5．2．5 結合因果排序的冗餘邊剔除算法
5．3 融合策略
5．3．1 函式因果似然度模型
5．3．2 函式因果似然度模型的可識別性分析
5．4 套用
5．5 小結
參考文獻
第6章 其他相關主題
6．1 時序數據上的因果關係發現
6．1．1 格蘭傑因果關係
6．1．2 基於函式因果模型的時序因果關係發現算法
6．1．3 時序因果關係發現在社交網路上的套用
6．2 不完全觀察數據上的隱變數發現
6．2．1 隱變數發現算法
6．2．2 基於函式因果模型的隱變數發現算法
6．2．3 隱變數發現在外行星探測中的套用
6．3 因果關係與遷移學習
6．3．1 遷移策略
6．3．2 不同因果機制下的可遷移性問題
6．3．3 遷移學習在遙感圖像分類中的套用
6．4 小結
參考文獻
