- 博客(9)
- 收藏
- 关注
RSS订阅原创 英语表达积累
“Could you please let me know what time would be convenient for you tomorrow?”“I was wondering if you could tell me what time you are available tomorrow?”
2024-05-17 15:04:43
319
1
原创 工具变量，外生性，内生性
工具变量必须与内生解释变量（自变量）有强烈的统计相关性弱工具变量工具变量应与模型的误差项不相关工具变量对因变量的影响必须完全通过内生解释变量来进行工具变量不应与因变量有任何其他的关联路径。
2024-05-17 09:31:05
5841
1
原创 因果知识笔记
现在很多研究中使用到的数据集基本上都是半人工合成的数据集，合成的规则不尽相同，如IHDP数据集，是从随机数据集中按照一定的生成过程生成其观测结果，并去除一个有偏子集来模拟观测数据集中的选择偏差。因果推断中的识别性，和传统统计中的识别性定义是一致的。，如吸烟人口的比例随着年龄的增长而增加，而肥胖的比例随着年龄的增长同样也增加，即使肥胖和吸烟比例之间没有直接的因果性，两者之间也存在着相关性。比如考察药物的治疗效果，那么给所有病人的药物在药效上都应该是一样的，不能有的人有效成分是全额的，有的人是半额的。
2023-11-07 18:36:24
713
原创 因果推断入门概念
Schölkopf 及其团队在因果结合机器学习方面做了最多的工作，此文总结并升华了信息革命时代下因果结合机器学习的一般理论和深刻思考。
2023-11-06 09:56:22
759
原创 因果推断领域-因果效应评估（Estimate Causal Effects ）、反事实公平（ Counterfactual Fairness）、公平图表示（Fair Graph Learning）
3. 因果推断-back door，front door， do-calculus。
2023-11-04 15:19:58
480
1
原创 因果推断推断入门书籍
读the book of why 了解因果的概念；读“Casual Inference In Statistics: A Primer”对因果中的统计知识有些了解；causality比较专业，读起来可能比较困难，但观点非常前沿，很多东西可以继续拿来用并做更深入研究。对于入门来讲，读judeal pearl的几本书，需要的注意下读书的顺序，先读：the book why, 再读Casual Inference In Statistics: A Primer，最后再读"causality"。
2023-11-04 14:39:19
415
1
原创 因果推断-因果关系识别
很巧妙的地方在于，第一步从到中，是没有后门路径的：collider阻挡了这条道路，于是我们有，因此很容易识别出到的因果关系。在第二步中我们希望识别出到，然而，我们可以通过控制来阻断这条后门路径（相当于一个sufficient adjustment set并且能够在这里进行后门调整）：。当然我们可以把前面这两步看作是做了。在第三步中，我们结合前两步所做，去识别从到的因果效应，即。
2023-11-04 14:16:20
595
1
原创 解决安装相对应版本torch包没有的情况
pip install 还是没有对应版本，然后清华镜像源（此网站是可以下pyg的一些依赖包（）也不行，最后用的下面的网址。
2023-11-01 15:15:42
637
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人