記事「時系列分類問題における因果推論」についてのディスカッション

新しいコメント
 

新しい記事「時系列分類問題における因果推論」はパブリッシュされました:

この記事では、機械学習を用いた因果推論の理論と、Pythonによるカスタムアプローチの実装について見ていきます。因果推論と因果思考は哲学と心理学にルーツを持ち、現実を理解する上で重要な役割を果たしています。

アリソン・ゴプニックはアメリカの児童心理学者で、乳幼児がどのように世界のモデルを構築していくかを研究しています。また、コンピュータ科学者と協力し、人間の幼児がどのようにして外界について常識的な概念を構築するのかを理解する手助けもしています。子どもは大人以上に連想学習を使用しますが、同時に飽くなき実験者でもあります。おもちゃを投げつけるのをやめさせようとしている親を見たことがあるでしょうか。このような行動を無作法、破壊的、攻撃的と解釈する親もいますが、子供には別の動機があることが多いです。彼らは物理法則や社会的相互作用のルールを研究するための体系的な実験をおこなっているのです（Gopnik, 2009）。11ヶ月の乳児は、予測可能な行動をする物体よりも、予測不可能な特性を示す物体で実験することを好みます（Stahl & Feigenson, 2015）。この嗜好性により、彼らは世界のモデルを効果的に構築することができます。

赤ちゃんから学べることは、ヒュームが想定したように、私たちは世界を観察することに限定されないということです。交流することもできます。因果推論の文脈では、これらの相互作用は介入と呼ばれます。介入は、多くの人が科学的手法の聖杯と考えているもの、すなわちランダム化比較テスト（randomized controlled trial：RCT）の中心にあります。


しかし、本当の因果関係から関連性を見分けるにはどうすればいいのでしょうか。それを解明してみましょう。

作者: Maxim Dmitrievsky

 

とても良い、賢明な記事だ。

マーケティングではなくマーケットニグ（序章の最後の段落）は少し...不寛容に聞こえる）。

 
Aleksey Nikolayev #:

とても良い、有意義な記事だ。

マーケティングの代わりにMarketnig（序章の最後の段落）は、少し...不寛容に聞こえる）。

ありがとう。

それを見る時間がなかったので、すでに修正されているに違いない )

 
何を提出すべきかわからないという点では、もちろん彼は正しい。
 
Maxim Dmitrievsky #:
また、"And he's right, in course, in what? Not knowing what to submit."のクエスチョンマークは冗長です。

修正しました。

 

悪くない。

医療における無作為化とは、1000人の患者のうち60人を無作為に選ぶことである。さて、そしてプラセボ。

プラセボはない。）

そして、ATTは解読も翻訳もなく、治療された人々の平均的な治療という意味である。）それは良いことだ ))))

 
Valeriy Yastremskiy #:

悪くない。

医療における無作為化とは、1000人の患者のうち60人を無作為に選ぶことである。まあ、プラセボもね。

プラセボはない。）

そしてATTは、治療された人々の平均的な治療という意味で、解読も翻訳もない。）それは良いだろう ))))

ATTは、治療されたグループのみの潜在的な結果の平均差である。何パーセントが治り、何パーセントが治らなかったか。治療された人に対する平均治療効果の略です。
 
Maxim Dmitrievsky #:
ATTは、治療を受けたグループのみの潜在的な転帰の平均差です。何パーセントが治癒し、何パーセントが治癒しなかったか。Average treatment effect on treatedの略です。

論文の本文にはなく、デコードなしの略語であることに気づいた）。

 
Valeriy Yastremskiy #:

記事の本文にはなく、ただの略語であることに気づいた。）

まあ、方程式の上に、トリートメント用と書いてあるんだけどね。一般に、焦点は少し反対側に移っているので、私は記述しなかった）。具体的には、この奇妙な医学的定義の科学をどのようにBP分析に適応させるか、である。
 
Maxim Dmitrievsky #:
そうですね......方程式の上の方に "治療 "と書いてあります。一般的には、焦点が少し反対側にシフトしているので、私はそれを記述しなかった )具体的には、奇妙な医学的定義を持つこの科学を、どのようにBP分析に適応させるか、である。

適応は難しい。 行-患者は難しい。部分的ではあるが、特性の違いが大きいので、説明がないと意味的な移動ができない))))

それに、前にも書いたように、これは明示的に理解されたつながりではなく、実験を通して発見されたものであり、理解されていないものである。正直なところ、準因果推論を付け加えておこう。
 
Valeriy Yastremskiy #:

適応するのは難しい。部分的ではあるが、特性の違いは説明なしに意味的な伝達ができるほど大きい)))))

それに、前にも書いたように、これは明示的に理解されたつながりではなく、実験を通して発見された、理解されていないつながりである。正直なところ、私は準因果推論を追加したい。
これは、反実仮想推論と準実験において、証拠の梯子の一番最初の段である。
12
新しいコメント