|
000
|
01672nam0 2200361 450
|
|
001
|
202021191447
|
|
005
|
20211025120130.0
|
|
010
|
|
@a978-7-111-64030-1@dCNY89.00
|
|
100
|
|
@a20210919d2021 em y0chiy50 ea
|
|
101
|
1
|
@achi@cdut@cger
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a因果推理@Ayin guo tui li@e基础与学习算法@f(荷) 乔纳斯·彼得斯, (德) 多米尼克·扬辛, 伯恩哈德·舍尔科普夫著@g李小和, 卢胜男, 程国建译
|
|
210
|
|
@a北京@c机械工业出版社@d2021.05
|
|
215
|
|
@aXII, 236页@c图@d24cm
|
|
306
|
|
@a由The Press授权出版
|
|
312
|
|
@a英文题名取自封面
|
|
314
|
|
@a(荷) 乔纳斯·彼得斯, 丹麦哥本哈根大学统计学副教授。(德) 多米尼克·扬辛, 德国国宾根的马克斯·普朗克智能系统研究所的高级研究科学家。伯恩哈德·舍尔科普夫, 德国图宾根的马克斯·普朗克智能系统研究所的主任。
|
|
320
|
|
@a有书目 (第209-236页)
|
|
330
|
|
@a本书从概率统计的角度入手, 分析了因果推理的假设, 揭示这些假设所暗示的因果推理和学习的目的。分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系, 讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。
|
|
510
|
1
|
@aElements of causal inference@efoundations and learning algorithms@zeng
|
|
517
|
1
|
@a基础与学习算法@Aji chu yu xue xi suan fa
|
|
606
|
0
|
@a因果性@Ayin guo xing@x推理
|
|
690
|
|
@aB812.23@v5
|
|
701
|
1
|
@a彼得斯@Abi de si@g(Peters, Jonas)@4著
|
|
701
|
1
|
@a扬辛@Ayang xin@g(Janzing, Dominik)@4著
|
|
701
|
1
|
@a舍尔科普夫@Ashe er ke pu fu@g(Scholkopf, Bernhard)@4著
|
|
702
|
0
|
@a李小和@Ali xiao he@4译
|
|
702
|
0
|
@a卢胜男@Alu sheng nan@4译
|
|
702
|
0
|
@a程国建@Acheng guo jian@4译
|
|
801
|
0
|
@aCN@c20210909
|
|
905
|
|
@a河南城建学院图书馆@dB812.23@eB738
|
|
|
|
|
| |
| 因果推理：基础与学习算法/(荷) 乔纳斯·彼得斯, (德) 多米尼克·扬辛, 伯恩哈德·舍尔科普夫著/李小和, 卢胜男, 程国建译.-北京：机械工业出版社，2021.05 |
| XII, 236页：图；24cm |
| |
| |
| ISBN 978-7-111-64030-1：CNY89.00 |
| 本书从概率统计的角度入手, 分析了因果推理的假设, 揭示这些假设所暗示的因果推理和学习的目的。分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系, 讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。 |
| ● |
正题名：因果推理
索取号：B812.23/B738
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1540495
|
215404952
|
社科库509/509社科库 20排3列5层/
[索取号:B812.23/B738]
|
在馆
|
|
|
2
|
1540496
|
215404961
|
社科库509/509社科库 20排3列5层/
[索取号:B812.23/B738]
|
在馆
|
|
