机读格式显示(MARC)

• 000 01537cam0 2200397 450

• 001 0000403410

• 005 20211211153100.0

• 010 __ |a 978-7-111-64030-1 |d CNY89.00

• 021 __ |a CN |b 01-2018-2437

• 099 __ |a CAL 012021072566

• 100 __ |a 20210618d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 因果推理 |A yin 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 |d 2021

• 215 __ |a 236页 |c 图 |d 24cm

• 312 __ |a 并列英文题名取自封面

• 314 __ |a 责任者Janzing规范汉译姓: 扬辛

• 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。本书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_ |a Elements of causal inference : foundations and learning algorithms |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |c (荷) |a 彼得斯 |A bi de si |c (Peters, Jonas) |4 著

• 701 _1 |c (德) |a 扬辛 |A Yang Xin |c (Janzing, Dominik)

• 701 _1 |c (德) |a 舍尔科普夫 |A she er ke pu fu |c (Scholkopf, Bernhard)

• 702 _0 |a 李小和 |A li xiao he |4 译

• 702 _0 |a 卢胜男 |A lu sheng nan |4 译

• 702 _0 |a 程国建 |A cheng guo jian |4 译

• 801 _0 |a CN |b ECN |c 20210618

• 801 _2 |a CN |b PUL |c 20210719

• 905 __ |a XATU |d TP181/271

• 920 __ |a 261060 |z 1

• 998 __ |a ECN