IOT技術:IOT Technology 保護中: VARモデルによる因果関係の推論(1)欠測の補間とDF、ADF検定
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための状態空間モデルを用いた時系列データ分析での2つの時系列データ間の因果関係を求める為の多変量自己回帰モデルの概要とRを使った欠測データの補完とDF検定、ADF検定
因果関係
IOT技術:IOT Technology Symbolic Logic 保護中: 準実験のデザイン- 観測データからいかに因果関係を導き出すか
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのためり因果推論でのデータが先にありそこからどのように因果関係を検証するのかについて(操作変数法(IV design: Instrumental variable design)、回帰分断デザイン(RDD; Regression discontinuity design)、中断時系列デザイン(ITS; Interupted time-series analysis)、差の差分析(DID; Difference-in-deferrences analysis 差の差分法とも言う)、傾向スコア・マッチング(PS; Propensity score matching))
Symbolic Logic 保護中: 相関と因果と関係構造(1)相関関係(回帰係数)と因果関係(介入効果)のズレ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論として回帰係数と介入効果の値のズレから見た相関関係と因果関係の相違
Symbolic Logic 保護中: 因果推論イントロダクション(1)交絡因子とランダム化実験
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクのための統計的因果推論のイントロダクション(因果関係と疑似相関を区別する為の交絡因子を制御するランダム化実験)
最適化:Optimization 保護中: 統計的因果推論 – イントロダクション
因果情報を統計的学習する手法の概要、各種因果関係の判定方法
哲学:philosophy 因果と相関の違いについて
人工知能、機械学習のモデルのベースとなる因果と相関の相違に対する考察