Cause Effect Pairs in Machine Learning

· ·
· Springer Nature
Е-књига
372
Страница
Оцене и рецензије нису верификоване  Сазнајте више

О овој е-књизи

This book presents ground-breaking advances in the domain of causal structure learning. The problem of distinguishing cause from effect (“Does altitude cause a change in atmospheric pressure, or vice versa?”) is here cast as a binary classification problem, to be tackled by machine learning algorithms. Based on the results of the ChaLearn Cause-Effect Pairs Challenge, this book reveals that the joint distribution of two variables can be scrutinized by machine learning algorithms to reveal the possible existence of a “causal mechanism”, in the sense that the values of one variable may have been generated from the values of the other.
This book provides both tutorial material on the state-of-the-art on cause-effect pairs and exposes the reader to more advanced material, with a collection of selected papers. Supplemental material includes videos, slides, and code which can be found on the workshop website.

Discovering causal relationships from observational data will become increasingly important in data science with the increasing amount of available data, as a means of detecting potential triggers in epidemiology, social sciences, economy, biology, medicine, and other sciences.


Оцените ову е-књигу

Јавите нам своје мишљење.

Информације о читању

Паметни телефони и таблети
Инсталирајте апликацију Google Play књиге за Android и iPad/iPhone. Аутоматски се синхронизује са налогом и омогућава вам да читате онлајн и офлајн где год да се налазите.
Лаптопови и рачунари
Можете да слушате аудио-књиге купљене на Google Play-у помоћу веб-прегледача на рачунару.
Е-читачи и други уређаји
Да бисте читали на уређајима које користе е-мастило, као што су Kobo е-читачи, треба да преузмете фајл и пренесете га на уређај. Пратите детаљна упутства из центра за помоћ да бисте пренели фајлове у подржане е-читаче.