Razonamiento causal / Taku Kanemoto

Descripción del producto ※Tenga en cuenta que la información del producto está traducida por máquina, por lo que puede que no sea la traducción correcta.

Matemáticas
Mejora de la calidad de la toma de decisiones a través de Python y razonamiento causal Este libro presenta soluciones para el problema de la verificación de los efectos, en el que "no sabemos qué medidas fueron eficaces", y el problema que ocurre con frecuencia en el campo de los análisis de datos, en el que "la correlación es fuerte, pero la causalidad no se conoce". Además, al aprender desde la base del razonamiento causal hasta la combinación con el aprendizaje automático y el análisis de series de tiempo, y la búsqueda de causa y efecto, se puede abordar una amplia gama de problemas centrados en el razonamiento causal. Esto puede mejorar significativamente el impacto de la utilización de los datos. En general, la explicación teórica va acompañada de muchos términos técnicos, explicaciones largas y códigos complejos, pero este libro elimina esas barreras y explica la teoría de una manera fácil de entender a través de ejemplos concretos y abundantes diagramas. Al mismo tiempo que trata de publicar el código mínimo necesario, el objetivo es que estos códigos sean aplicables en la práctica. Este enfoque permite al lector reducir la brecha entre la teoría y la práctica y maximizar el poder del razonamiento causal.