[Causality] 인과추론
2023. 1. 26. 13:11
🧑🏻💻용어 정리
Causality
인과추론
:
우리가 알 수 없는 실험 결과를 관측 데이터와 연결
- Pearl's Causal Hierarchy
- Associational or Observational
- Interventional and Experimental
- Counterfactual // 반사실적 계층, 두 가지를 다 관찰
- Simpson's Paradox
- 상관성 vs 인과성
- 관측 연구, 머신러닝
- 주어진 data에 대한 상관성 설명
- 자연 과학 실험, 강화 학습
- 주어진 data에 대한 인과성 설명
- 관측 연구, 머신러닝
- Causal Diagram
- Structural Causal Model
- 조건부 독립성
- d-separation
- Causal Effect Identifiability
- Query
- Causal Diagram
- Data
- Causal Inference Engine
- Computing Causal Effects from Observational Data
- Do-calculs
- General Identifiability
- Transportability
- Selection Bias
- Nonparametric
- Identification under Missing Data
- Missing Completly at random
- Missing at random
- Missing not at random
'Artificial Intelligence' 카테고리의 다른 글
[CNN] 합성곱 신경망 기반의 다변량 시계열 데이터 회귀모형 (0) | 2023.01.27 |
---|---|
[Time-Series data] RNN 기반 다변량 시계열 데이터 회귀모형 (0) | 2023.01.27 |
[Self-Supervised Learning and Large-Scale Pre-Trained Models] Part 6 (0) | 2023.01.25 |
[Transformer] Part 5 (1) | 2023.01.25 |
[Seq2Seq with Attention for Natural Language Understanding and Generation] Part 4 - 2 (0) | 2023.01.25 |