Несомненно, рандомизированное экспериментирование (при условии, что оно проводится правильно) - самый простой способ установить причинно-следственную связь (см. Мою предыдущую статью о сборнике учебных материалов по A / B-тестированию !). Однако с практической точки зрения бывают случаи, когда экспериментирование нецелесообразно: Вы имеете дело с данными ретроспективного вмешательства, для которых нет контрольной или тестовой группы, возможно, из-за высокой стоимости экспериментов...

Почему нашему ИИ нужно понимать причинно-следственные связи Что не так с корреляцией? В мае 2016 года алгоритм COMPAS был отмечен как предвзятый на расовой почве [1]. Этот алгоритм использовался США для вынесения приговоров по уголовным делам путем прогнозирования вероятности повторного совершения преступления. Было подсчитано, что чернокожий человек с большей вероятностью совершит повторное преступление, чем белый человек с теми же другими фоновыми факторами. Проблема..

Автор: Привет, меня зовут Сент-Джон, и я пишу блоги о современных технологиях и интересных вещах для своего личного блога stjohngrimbly.com . В настоящее время я интересуюсь, среди прочего, машинным обучением и причинно-следственными связями. Надеюсь, вам понравится этот краткий обзор! В прошлый раз мы обсуждали и мотивировали необходимость современной теории каузального вывода. Мы разработали некоторые из основных принципов, необходимых для развития этой теории, но нам еще..

Причинный вывод Формула корректировки Это десятый пост из серии, в которой мы прорабатываем Причинный вывод в статистике - хороший учебник, соавтором которого является сам Judea Pearl . Вы можете найти предыдущий пост здесь и весь соответствующий код Python в сопутствующем репозитории GitHub: DataForScience / Причинность Как причины приводят к следствиям? Можете ли вы связать причину, приведшую к наблюдаемому результату? Большие данные..