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。
誤植一覧