Discusión sobre el artículo "Inferencia causal en problemas de clasificación de series temporales"
Un artículo muy bueno y sensato.
Marketnig en lugar de marketing (el final del penúltimo párrafo de la introducción) suena un poco er... intolerante).
No está mal.
En medicina aleatorizado es que de 1000 pacientes se eligen 60 al azar, aunque lo que hay en el hospital son los candidatos, ciegos que los pacientes de prueba de control y placebo no saben en qué grupo están, ni tampoco el personal tratante. Bueno, y placebo.
No hay placebo))).
Y ATT no hay descifrar y traducción, por lo que significa que es el tratamiento promedio de los tratados.))))) Sería bueno ))))
No hay placebo))).
Y ATT no hay descifrar y traducción, por lo que significa que es el tratamiento promedio de los tratados.))))) Eso estaría bien ))))
La TCA es la diferencia media en los resultados potenciales sólo entre el grupo tratado, sí. Qué porcentaje se curó y qué porcentaje no. Promedio del efecto del tratamiento sobre los tratados significa.
Me di cuenta, no está en el texto del artículo, es sólo una abreviatura sin decodificar).
Me di cuenta, no está en el texto del artículo, es sólo una abreviatura sin descifrar).
Bueno dice en la parte superior por encima de la ecuación que es para los tratados. En general, el enfoque se desplaza hacia el otro lado un poco, así que no lo describí ) En concreto, cómo adaptar esta ciencia con extrañas definiciones médicas al análisis de la PA.
Es difícil de adaptar. Filas - pacientes es difícil. Sólo en partes, pero la diferencia de propiedades es lo suficientemente grande como para hacer transferencias semánticas sin explicaciones)))))
Además, como he escrito antes, que esto no es una conexión explícitamente entendido, pero uno encontrado a través de experimentos y no se entiende. Yo añadiría la inferencia cuasi causal por honestidad.es difícil de adaptar. filas - los pacientes son difíciles. Sólo en partes, pero la diferencia de propiedades es lo suficientemente grande como para hacer transferencias semánticas sin explicaciones)))))
Además, como he escrito antes, esto no es una conexión explícitamente entendida, sino una encontrada a través de experimentos y no entendida. Yo añadiría la inferencia cuasi causal por honestidad.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Inferencia causal en problemas de clasificación de series temporales:
En este artículo, examinaremos la teoría de la inferencia causal utilizando el aprendizaje automático, así como la implementación del enfoque personalizado en Python. La inferencia causal y el pensamiento causal tienen sus raíces en la filosofía y la psicología y desempeñan un papel importante en nuestra comprensión de la realidad.
Alison Gopnik es una psicóloga infantil estadounidense que estudia cómo los bebés desarrollan modelos del mundo. También colabora con informáticos para ayudarles a entender cómo los bebés construyen conceptos de sentido común sobre el mundo exterior. Los niños utilizan el aprendizaje asociativo incluso más que los adultos, pero también son experimentadores insaciables. ¿Has visto alguna vez a un padre intentando convencer a su hijo de que deje de tirar los juguetes? Algunos padres tienden a interpretar este comportamiento como grosero, destructivo o agresivo, pero los niños suelen tener otros motivos. Realizan experimentos sistemáticos que les permiten estudiar las leyes de la física y las reglas de la interacción social (Gopnik, 2009). Los bebés de tan solo 11 meses prefieren experimentar con objetos que presentan propiedades impredecibles antes que con objetos que se comportan de forma predecible (Stahl y Feigenson, 2015). Esta preferencia les permite construir eficazmente modelos del mundo.
Lo que podemos aprender de los bebés es que no nos limitamos a observar el mundo, como suponía Hume. También podemos interactuar con ella. En el contexto de la inferencia causal, estas interacciones se denominan intervenciones. Las intervenciones son el núcleo de lo que muchos consideran el Santo Grial del método científico: el ensayo controlado aleatorizado (ECA).
Pero, ¿cómo distinguir una asociación de una relación causal real? Intentemos averiguarlo.
Autor: Maxim Dmitrievsky