内容

目次

第1部　因果推論 第1章　相関と因果の違いを理解しよう 1-1　因果推論が必要となる架空事例の紹介 1-2　相関と因果の違い、疑似相関とは 1-3　Google Colaboratoryを用いたPythonプログラミング：疑似相関の確認 第2章　因果効果の種類を把握しよう 2-1　反実仮想と様々な因果効果（ATE、ATT、ATU、CATE） 2-2　介入（doオペレータ）とは 2-3　本書で使用する数学記法の整理 2-4　調整化公式とは 第3章　グラフ表現とバックドア基準を理解しよう 3-1　構造方程式モデルとグラフ表現（因果ダイアグラムDAG） 3-2　バックドア基準、バックドアパス、d分離 3-3　ランダム化比較試験RCTによる因果推論 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2部　因果探索 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