文章 "时间序列分类问题中的因果推理" 12 新评论 MetaQuotes 2024.09.04 09:24 新文章 时间序列分类问题中的因果推理已发布: 在本文中,我们将研究使用机器学习的因果推理理论,以及 Python 中的自定义方法实现。因果推理和因果思维植根于哲学和心理学,在我们理解现实中起着重要作用。 Alison Gopnik 是一位美国儿童心理学家,研究婴儿如何建立世界模型。她还与计算机科学家合作,帮助他们了解人类婴儿如何构建关于外部世界的常识性概念。孩子们甚至比成年人更多地使用联想学习,但他们也是永不满足的实验者。你见过父母试图说服孩子不要乱扔玩具吗?一些家长倾向于将这种行为解释为粗鲁、破坏性或攻击性,但孩子们往往有其他动机。他们通过系统的实验来研究物理定律和社会互动规则(Gopnik,2009 年)。11 个月大的婴儿更喜欢尝试表现出不可预测特性的物体,而不是行为可预测的物体(Stahl & Feigenson, 2015)。这种偏好使他们能够有效地建立世界模型。 我们可以从婴儿身上学到的是,我们并不像休谟假设的那样仅限于观察世界,我们还可以与它互动。在因果推理中,这些相互作用被称为干预。干预是许多人认为的科学方法圣杯:随机对照试验(RCT)的核心。 但我们如何区分关联和真正的因果关系呢?让我们试着弄清楚。 作者:Maxim Dmitrievsky Aleksey Nikolayev 2024.01.30 15:46 #1 这篇文章非常好,很有道理。 Marketnig instead of marketing(引言倒数第二段结尾)听起来有点......不耐烦)。 Maxim Dmitrievsky 2024.01.30 18:01 #2 Aleksey Nikolayev #:这是一篇非常有意义的好文章。Marketnig instead of marketing(引言倒数第二段结尾)听起来有点......不耐烦)。 谢谢。 没时间看,肯定已经改正了 ) Maxim Dmitrievsky 2024.01.30 18:02 #3 这里还有:"当然,他是对的? 不知道该提交什么",问号是多余的 Rashid Umarov 2024.01.31 10:01 #4 Maxim Dmitrievsky #: 还有,"他当然是对的,对什么? 不知道提交什么。"这个问号是多余的。 已更正,谢谢。 Valeriy Yastremskiy 2024.01.31 13:19 #5 不错。 在医学中,随机化是指从 1000 名病人中随机选择 60 人,但医院提供的是候选者,对照试验和安慰剂病人不知道自己在哪一组,治疗人员也不知道。嗯,还有安慰剂。 没有安慰剂。) 而 ATT 没有破译和翻译,也就是说,它是接受治疗者的平均治疗。))))))))) Maxim Dmitrievsky 2024.01.31 13:30 #6 Valeriy Yastremskiy 一组,治疗人员也不知道。嗯,还有安慰剂。 没有安慰剂。)而且 ATT 没有破译和翻译,也就是说,它是接受治疗者的平均治疗。)))))这将是很好的 )))) ATT 是指治疗组潜在结果的平均差异。治愈和未治愈的比例。治疗组的平均治疗效果代表 Valeriy Yastremskiy 2024.01.31 13:54 #7 Maxim Dmitrievsky #: 是的,ATT 只是治疗组潜在结果的平均差异。治愈和未治愈的比例。治疗组的平均治疗效果代表。 我意识到,文章正文中没有这个词,它只是一个缩写,没有解码)。 Maxim Dmitrievsky 2024.01.31 14:01 #8 Valeriy Yastremskiy #:我意识到,文章正文中没有这个词,它只是一个缩写,没有破译)。 好吧,等式上面说这是针对被处理者的。总的来说,重点稍稍转移到了另一面,所以我没有描述 )具体来说,如何将这门有着奇怪医学定义的科学用于血压分析 Valeriy Yastremskiy 2024.01.31 15:20 #9 Maxim Dmitrievsky #: 嗯,等式的上方写着这是用于治疗的。总的来说,重点稍稍偏向了另一边,所以我没有描述它)具体来说,如何将这门有着奇怪医学定义的科学应用于血压分析? 很难适应,行-病人很难适应。虽然只是部分,但属性的差异很大,足以在不进行解释的情况下进行语义转换)))))。 此外,正如我之前所写,这并不是一种明确理解的联系,而是通过实验发现的一种不被理解的联系。我想再加上准因果推论,以示诚实。 Maxim Dmitrievsky 2024.01.31 15:39 #10 Valeriy Yastremskiy #:行--病人很难适应。只是部分,但属性的差异大到足以在不解释的情况下进行语义转换)))))。 此外,正如我之前所写,这不是一种明确理解的联系,而是一种通过实验发现的、不被理解的联系。我想为诚实补充准因果推论。 就反事实推论和准实验而言,它是证据阶梯上的第一级。 12 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
新文章 时间序列分类问题中的因果推理已发布:
在本文中,我们将研究使用机器学习的因果推理理论,以及 Python 中的自定义方法实现。因果推理和因果思维植根于哲学和心理学,在我们理解现实中起着重要作用。
Alison Gopnik 是一位美国儿童心理学家,研究婴儿如何建立世界模型。她还与计算机科学家合作,帮助他们了解人类婴儿如何构建关于外部世界的常识性概念。孩子们甚至比成年人更多地使用联想学习,但他们也是永不满足的实验者。你见过父母试图说服孩子不要乱扔玩具吗?一些家长倾向于将这种行为解释为粗鲁、破坏性或攻击性,但孩子们往往有其他动机。他们通过系统的实验来研究物理定律和社会互动规则(Gopnik,2009 年)。11 个月大的婴儿更喜欢尝试表现出不可预测特性的物体,而不是行为可预测的物体(Stahl & Feigenson, 2015)。这种偏好使他们能够有效地建立世界模型。
我们可以从婴儿身上学到的是,我们并不像休谟假设的那样仅限于观察世界,我们还可以与它互动。在因果推理中,这些相互作用被称为干预。干预是许多人认为的科学方法圣杯:随机对照试验(RCT)的核心。
但我们如何区分关联和真正的因果关系呢?让我们试着弄清楚。
作者:Maxim Dmitrievsky