Что появилось первым: курица или яйцо? Причем несколько раз. И каждый раз ответ был разным. А если серьезно, то для машинного обучения становятся все более актуальными вопросы причинно-следственного анализа (causal inference) - когда главной целью моделирования является не прогноз и его качество, а то, как мы можем принимать решения на основе...
您只能与同在这个主题中的人讨论，这里没有这样的人
我建议正常解释如何使用它，这样我就可以自己运行并测试它....。
如果能用，那就应该读读这本书并进入其中，然后我们再进一步讨论....。
但就目前而言，这个话题的地位与其他话题相同...
关于手指的概述，cajual 是一种什么样的野兽。
对手指的评论，Cajual 是多么强大的动物啊。
这篇文章链接到了另一本关于这个主题的书--这是最新的版本。
我最感兴趣的问题是，在将 cajusal（不是随意！😁）应用于交易时，什么可能构成 "tritment"。
这篇文章链接到了另一本关于这个主题的书--这是最新版本。
我最感兴趣的问题是，在交易的因果（而非偶然！😁）应用中，什么可能构成 "tritent"。
对手指的评论，Cajual 是多么强大的动物啊。
在循证医学的框架下，新药对疾病是否有影响最初并不明确。 在医学中，因果推论是其证据的基础 。
在经济学中，这种 "医学 "意义上的因果推理 并不那么重要，因为经济学是一个基于生产和销售链的确定过程。
汇率在数天或数周内存在大量不确定性，原因不明，但时间一长，原因就显而易见了。 但我们需要预测未来，但影响汇率的工具所有者影响未来汇率的原因却被小心翼翼地隐藏起来，我们只能在事后才能发现。
最后一件事。从统计学的角度来看，因果推理 并不新鲜。以下是 CRAN 的意见
虽然没有直接实现标准因果推理设计的基本 R 函数，但 CRAN 上的不同软件包中提供了许多或多或少复杂的方法：
马克西姆是一个忽视 R 的人，因此对工具的了解极为有限，他将 cajual 波动作为某种发现。这已经不是什么新鲜事了，只不过是聪明的俄罗斯人带着 90 年代的天赋，将已知的工具组合成一堆，并挂上了 "因果推理 "的招牌，但在经济学中的适用性却令人生疑。
当 Sanych 试图争辩和证明时，他开始以 X2 的速度翻阅数据包......就像数念珠一样让他冷静下来。
如果问他清单中的一个软件包，他就会给出与这个软件包相关的软件包链接，以此证明他对这个主题的深刻理解。
你可以把三元组从括号里拿出来（或者从括号后面放进去），然后只使用剩下的 matstat :)
有趣的是什么可以被视为三元组的理论--准哲学方面）在实践意义上，一切都很简单--有效的就是好的。）
如果实体是一个接受药物/安慰剂治疗的病人，或者是一个接受/不接受药片治疗的小学生，那么一切都很简单明了。
在我们的例子中，如果我们（为了简单起见）把每一栏的价格增量作为基本实体，那么我们这些小参与者就不会受到任何影响。如果我们将股本增量作为一个实体，那么我们就可以将该工具的头寸大小和方向作为一个三要素。但我们不能止步于此，将描述 TS（实际计算头寸）的任何参数都视为三要素。这种方法为三元组概念的无限复杂性和灵活性打开了大门，可能会导致再培训，但也可能会带来好的结果）。
关于什么可以被视为三要素的准哲学方面很有意思。就实践而言，一切都很简单--有效的就是好的）。
如果一个实体是一个接受药物/安慰剂治疗的病人，或者是一个接受/不接受药片治疗的小学生，那么一切都很简单明了。
在我们的例子中，如果我们（为了简单起见）把每条的价格增量作为基本实体，那么我们这些小参与者就没有任何影响它的因素。如果我们将股本增量作为一个实体，那么我们就可以将该工具的头寸大小和方向作为一个三要素。但我们不能止步于此，将描述 TS（实际计算头寸）的任何参数都视为三要素。这种方法为三元组概念的无限复杂性和灵活性打开了大门，可能会导致再培训，但也可能是好事）。
我大致是这么认为的。tritment是一个工具变量，它应该能带来好的结果。在 Kozula 中，协变量和工具变量是分开的，这只是因为我们无法影响协变量，但我们可以影响工具变量。
另外，协变量与预测中的特征含义不同。它们是每个观测值的显著特征。因此，kozul 中的 ML 模型更像是一个数据库，由另一个模型查询并统计。或者说，建立 2 个模型，然后寻找它们的交叉点。这更像是在使用数据库。
然后，可以用查询来表示一个 tritment，查询结果用于计算统计数据。它最初是关于治疗验证的双因素方法（tritment）。我记得，你在直接医学意义上接近这个话题。
在我看来，马克西姆在某种程度上非常广泛地、创造性地将 "tritment "的概念转移到了我们的任务中。
医学不是科学))))因此，在适当的医学研究实践中，可持续的治疗模式被认为是有原因的，而不可持续的治疗模式则没有原因，只是观察者的联想))))。随机实验的方法可以减少误差，但绝不能完全消除误差))))))。
意思如此接近，我明白了))))))
医学不是科学))))这就是为什么在适当的医学研究实践中，稳定的治疗模式被认为是有原因的，而不是稳定的模式没有原因，只是观察者的联想。）随机实验法可以减少误差，但绝不能完全消除误差)))))。
意思很接近，我明白了))))))