机读格式显示(MARC)

• 000 01500nam0 2200373 450

• 001 0000613551

• 005 20241012110700.0

• 010 __ |a 978-7-121-44462-3 |d CNY118.00

• 099 __ |a CAL 012023003041

• 100 __ |a 20230110d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 因果推断与机器学习 |A yin guo tui duan yu ji qi xue xi |f 郭若城 ... [等] 编著

• 210 __ |a 北京 |c 电子工业出版社 |d 2023

• 215 __ |a 251页 |c 彩图 |d 24cm

• 300 __ |a 博文视点

• 304 __ |a 题名页题其余责任者: 程璐, 刘昊, 刘欢

• 314 __ |a 郭若城, 英国伦敦字节跳动人工智能实验室机器学习研究员。程璐, 美国伊利诺伊大学芝加哥分校计算机系助理教授。

• 320 __ |a 有书目 (第 [231] -251页)

• 330 __ |a 本书共分6章。第1章从潜结果框架和结构因果模型出发, 介绍因果推断的基本概念和方法。第2章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对未来的展望。

• 606 0_ |a 因果性 |A yin guo xing |x 推理

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a B812.23 |v 5

• 690 __ |a TP181 |v 5

• 701 _0 |a 郭若城 |A guo ruo cheng |4 编著

• 701 _0 |a 程璐 |A cheng lu |4 编著

• 701 _0 |a 刘昊 |A liu hao |4 编著

• 701 _0 |a 刘欢 |A liu huan |4 编著

• 801 _0 |a CN |b CAU |c 20241010

• 905 __ |a CAU |d B812.23/7

• 920 __ |a 211180 |z 1

• 921 __ |a BMQZ |b RTBOOK