つくりながら学ぶ! Python による因果分析 ~因果推論・因果探索の実践入門
書籍「つくりながら学ぶ! Python による因果分析 ~因果推論・因果探索の実践入門」（小川雄太郎、マイナビ出版 、20/06/30)
のサポートリポジトリです。
1. 本書で扱う内容
本書の概要を以下の記事で解説しております。
「Python による因果推論と因果探索（初心者の方向け）」
本書の目次
- 第 1 章 相関と因果の違いを理解しよう
- 第 2 章 因果効果の種類を把握しよう
- 第 3 章 グラフ表現とバックドア基準を理解しよう
- 第 4 章 因果推論を実装しよう
- 4-1 回帰分析による因果推論の実装
- 4-2 傾向スコアを用いた逆確率重み付け法（IPTW）の実装
- 4-3 Doubly Robust 法（DR 法）による因果推論の実装
- 第 5 章 機械学習を用いた因果推論
- 5-1 ランダムフォレストによる分類と回帰のしくみ
- 5-2 Meta-Learners（T-Learner、S-Learner、X-Learner）の実装
- 5-3 Doubly Robust Learning の実装
- 第 6 章 LiNGAM の実装
- 6-1 LiNGAM（Linear Non-Gaussian Acyclic Model）とは
- 6-2 独立成分分析とは
- 6-3 LiNGAM による因果探索の実装
- 第 7 章 ベイジアンネットワークの実装
- 7-1 ベイジアンネットワークとは
- 7-2 ネットワークの当てはまりの良さを測る方法
- 7-3 変数間の独立性の検定
- 7-4 ３タイプのベイジアンネットワークの探索手法
- 7-5 PC アルゴリズムによるベイジアンネットワーク探索の実装
- 第 8 章 ディープラーニングを用いた因果探索
- 8-1 因果探索と GAN（Generative Adversarial Networks）の関係
- 8-2 SAM（Structural Agnostic Model）の概要
- 8-3 SAM の識別器 D と生成器 G の実装
- 8-4 SAM の損失関数の解説と因果探索の実装
- 8-5 Google Colaboratory で GPU を使用した因果探索の実行
2. 疑問点・修正点は Issue にて管理しています
本 GitHub の Issue にて、疑問点や修正点を管理しています。
不明な点などがございましたら、こちらをご覧ください。
https://github.com/YutaroOgawa/causal_book/issues
3. 誤植について
書籍中の誤植一覧はこちらになります。 大変申し訳ございません。