つくりながら学ぶ! Python による因果分析 ~因果推論・因果探索の実践入門

書籍「つくりながら学ぶ! Python による因果分析 ~因果推論・因果探索の実践入門」（小川雄太郎、マイナビ出版 、20/06/30)

のサポートリポジトリです。

1. 本書で扱う内容

本書の概要を以下の記事で解説しております。

「Python による因果推論と因果探索（初心者の方向け）」

本書の目次

• 第 1 章　相関と因果の違いを理解しよう
• 第 2 章　因果効果の種類を把握しよう
• 第 3 章　グラフ表現とバックドア基準を理解しよう
• 第 4 章　因果推論を実装しよう
  • 4-1 　回帰分析による因果推論の実装
  • 4-2 　傾向スコアを用いた逆確率重み付け法（IPTW）の実装
  • 4-3 　 Doubly Robust 法（DR 法）による因果推論の実装
• 第 5 章　機械学習を用いた因果推論
  • 5-1 　ランダムフォレストによる分類と回帰のしくみ
  • 5-2 　 Meta-Learners（T-Learner、S-Learner、X-Learner）の実装
  • 5-3 　 Doubly Robust Learning の実装
• 第 6 章　 LiNGAM の実装
  • 6-1 　 LiNGAM（Linear Non-Gaussian Acyclic Model）とは
  • 6-2 　独立成分分析とは
  • 6-3 　 LiNGAM による因果探索の実装
• 第 7 章　ベイジアンネットワークの実装
  • 7-1 　ベイジアンネットワークとは
  • 7-2 　ネットワークの当てはまりの良さを測る方法
  • 7-3 　変数間の独立性の検定
  • 7-4 　３タイプのベイジアンネットワークの探索手法
  • 7-5 　 PC アルゴリズムによるベイジアンネットワーク探索の実装
• 第 8 章　ディープラーニングを用いた因果探索
  • 8-1 　因果探索と GAN（Generative Adversarial Networks）の関係
  • 8-2 　 SAM（Structural Agnostic Model）の概要
  • 8-3 　 SAM の識別器 D と生成器 G の実装
  • 8-4 　 SAM の損失関数の解説と因果探索の実装
  • 8-5 　 Google Colaboratory で GPU を使用した因果探索の実行

2. 疑問点・修正点は Issue にて管理しています

本 GitHub の Issue にて、疑問点や修正点を管理しています。

不明な点などがございましたら、こちらをご覧ください。

https://github.com/YutaroOgawa/causal_book/issues

3. 誤植について

書籍中の誤植一覧はこちらになります。 大変申し訳ございません。

誤植一覧