Skip to content

This is my archive for learning Causal Inference and its codings.

License

Notifications You must be signed in to change notification settings

musugi/causal_inference_book

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

38 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

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

About

This is my archive for learning Causal Inference and its codings.

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published