「å¦è¡“çš„ã«ç†è§£ã™ã‚‹ã€ã£ã¦ã©ã†ã„ã†ã“ã¨? ï¼šçµ±è¨ˆçš„å› æžœæŽ¨è«–ã®ãƒ•ãƒ¬ãƒ¼ãƒ ワークã‹ã‚‰è¦‹ãŸ 「é‡çš„×質的ã€ã«é–¢ã™ã‚‹çœºæœ›ã® (ã„ã•ã•ã‹ã¨ã£ã¡ã‚‰ã‹ã£ãŸ)スケッãƒã‚’共有ã™ã‚‹
çµ±è¨ˆçš„å› æžœæŽ¨è«–ã®ãƒ•ãƒ¬ãƒ¼ãƒ ワークã¨ã¯ã„ã‹ãªã‚‹ã‚‚ã®ã‹ã‚’ç†è§£ã™ã‚‹ã“ã¨ã§ã€çµ±è¨ˆçš„å› æžœæŽ¨è«–ãŒã„ã‹ã«è³ªçš„ãªçŸ¥è¦‹ã‚’（ã—ã°ã—ã°æš—é»™ã«ï¼‰ãã®åŸºç›¤ã¨ã—ã¦ã„ã‚‹ã‹ã€çµ±è¨ˆçš„å› æžœæŽ¨è«–ã®ã‚¹ã‚³ãƒ¼ãƒ—ãŒã—ã°ã—ã° ã„ã‹ã«â€ç‹ã„&è–„ã„â€ã®ã‹ã‚’è°è«–ã—ã¾ã—ãŸã€‚å‰åŠã¯DAG-潜在çµæžœãƒ¢ãƒ‡ãƒ«-æ§‹é€ çš„å› æžœãƒ¢ãƒ‡ãƒ«ã®çµ±ä¸€çš„ãªè§£èª¬ã§ã™ã€‚後åŠã¯SUTVAã¨è³ªçš„…
çµ±è¨ˆçš„å› æžœæŽ¨è«–ã¨ãƒ‡ãƒ¼ã‚¿è§£æž / causal-inference-and-data-analysis
çµ±è¨ˆçš„å› æžœæŽ¨è«–ã®è§£é‡ˆã¨ã€å®Ÿéš›ã®é‹ç”¨ã«ãŠã‘る注æ„点をã¾ã¨ã‚ãŸè³‡æ–™ã§ã™ã€‚ 先日ã€closedãªå‹‰å¼·ä¼šã§ç™ºè¡¨ã—ãŸã‚‚ã®ã‚’一部改変ã—ãŸã‚‚ã®ã§ã™ã€‚ twitter : @tomoshige_n mail : tomoshige.nakamura@gmail.com �注）一部ã€ã‚ã‹ã‚Šã‚„ã™ã•ã‚’厳密性よりも…
傾å‘スコアを用ã„ãŸå› 果推論入門~実装編~ - 下町データサイエンティストã®æ—¥å¸¸
0. ã¯ã˜ã‚ã« 1. 対象データ 2. å…ˆã«å„手法ã®çµæžœã‚’ç¢ºèª 3.準備 4. 基礎集計~CMを見ãŸäººã¨è¦‹ã¦ã„ãªã„人ã§ã®ç›®çš„変数ã®å·®~ 5. å› æžœæŽ¨è«–ã®æµã‚Œã®ãŠã•ã‚‰ã„ 6. 傾å‘スコアモデリング 6.1 モデリング 6.2 テスト / コントãƒãƒ¼ãƒ«ã®å‚¾å‘スコアã®å¯è¦–化 6.3Rã§ã®å‚¾å‘スコアモデリングã®å®Ÿè£… 7. 傾å‘スコアマッãƒãƒ³ã‚° 7.1 çµæ§‹é¢å€’ãªpython 7.2 R (Matchingライブラリ) 7.3マッãƒãƒ³ã‚°ã®è©•ä¾¡ 8.IPW 9. ダブルãƒãƒã‚¹ãƒˆ 9.1 回帰モデル 9.2ダブルãƒãƒã‚¹ãƒˆ 10.Proximityマッãƒãƒ³ã‚° 11.改ã‚ã¦ã€å„種手法ã«ã‚ˆã‚‹æŽ¨å®šå› 果効果ã®ã¾ã¨ã‚ 12.ã¾ã¨ã‚ 0. ã¯ã˜ã‚ã« ç†è«–ç·¨ã«å¼•ã続ãã€å®Ÿè£…ã‚’è¡Œãªã£ã¦ã„ãã¾ã™ã€‚ pira-nino.hatenablog.com 実装ã¯pythonã¨Rã®ä¸¡æ–¹ã§è¡Œã„ã¾ã—ãŸã€‚ 作æ¥ç”¨ã®ã‚³ãƒ¼ãƒ‰ã¯ä»¥ä¸‹ã®githu
1
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
The Seven Tools of Causal Inference with Reflections on Machine Learning
Illustrating Causation, 5 cartoons in collaboration with Jane Davidson
{{#tags}}- {{label}}
{{/tags}}