WedX - журнал о программировании и компьютерных науках

Публикации по теме 'causal-inference'


Введение в причинно-следственный вывод.
Статья 1. Что такое причинно-следственный вывод и почему причинно-следственная связь — это скользкая рыба? Причинно-следственные связи установить трудно, ускользает из рук, как извивающаяся мокрая рыба. Почему это? Установление корреляции между событиями позволяет нам предсказывать будущее, но установление того, что одно событие вызывает другое, дает нам возможность вмешиваться в мир, активно меняя его, а не пассивно реагируя на него. В этом разница между выявлением болезни путем..

Введение в причинный вывод: что это такое и как его можно использовать
Я провожу много времени, читая разных авторов на Medium или просматривая на X темы в области науки о данных, которые могут быть актуальными. Когда я вижу что-то, о чем мало что знаю, я стараюсь об этом написать. Моя цель – учиться и помогать другим учиться. Недавно меня заинтересовал причинно-следственный вывод. Моя цель — дать обзор или введение в тему. Надеюсь, это вызовет вопросы или дискуссии, и мы сможем вместе узнать что-то новое! Итак, вот общий обзор причинного вывода с..

Причинный вывод с помощью линейной регрессии: эндогенность
Обсуждение экзогенной переменной, экзогенной переменной, пропущенной переменной, ошибки измерения и погрешности одновременности В моей предыдущей статье мы обсудили некоторые распространенные проблемы при разработке линейной регрессии — исключение важных переменных и включение нерелевантных переменных. В этой статье мы обсудим эндогенность в модели линейной регрессии, особенно в контексте причинно-следственной связи . Модель линейной регрессии — это популярный инструмент,..

Журнал причинно-следственных связей (день 3–5)
Ежедневные заметки для изучения, изучения и понимания структуры ПРИЧИННОГО ВЫВОДА. [после Causal Inference and Discovery in Python , написанного Александром Молаком ] День 3 Регрессия и причинная интерпретация Когда вы видите простое уравнение регрессии, такое как Y = AX + B, что вы неявно думаете? Разве вы не думаете таким образом? Если значение X изменить на одну единицу, значение Y изменится на A. И, честно говоря, такая интерпретация сбивает людей с толку, думая, что..

Причинный вывод
Введение Подумайте о том, чтобы начать предлагать кредит определенным клиентам, чтобы увеличить продажи. Можете ли вы сделать вывод, что кредитное предложение привело к увеличению покупок этих клиентов, пока вы делали специальное предложение? Попробуйте сравнить условия «до» и «после» клиентов, принявших предложение, чтобы узнать ответ. Попробуйте сравнить продажи потребителей, получивших предложение, и тех, кто его не получил. Однако вполне возможно, что ваши заинтересованные..

Причинно-следственная связь между ESG и показателями фондового рынка: Tesla встречает синтетическую разницу в различиях
Причинно-следственный вывод — важнейший инструмент науки о данных. Мы изучаем Синтетический Diff-in-Diff, чтобы установить причинно-следственную связь между ESG и финансовыми показателями. Авторы: Хайме Оливер Хуидобро и Фелипе Масиэль (Data Science @ ClarityAI) Если вы в какой-то момент изучали статистику, велика вероятность, что вы слышали выражение «корреляция — это не причинно-следственная связь». Чтобы пройти курс, вам нужно в совершенстве повторять эту мантру. Но вы все еще..

Как крупные технологические компании используют машинное обучение и причинно-следственную связь для принятия решений на основе данных
Как крупные технологические компании используют машинное обучение и причинно-следственную связь для принятия решений на основе данных Крупные технологические компании постоянно стремятся улучшить взаимодействие с пользователем и улучшить все, что они делают, чтобы предоставить клиентам то, что они действительно хотят. Но как они узнают, чего на самом деле хотят клиенты? Похоже, ответ – не что иное, как тестирование. Впервые я столкнулся с концепцией тестирования, читая книгу..

Новые материалы

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]