機械学習プロフェッショナルシリーズ 統計的因果探索

清水 昌平【著】

講談社（2017/05発売）

• サイズ A5判／ページ数 192p／高さ 21cm
• 商品コード 9784061529250
• NDC分類 007.1
• Cコード C3341

出版社内容情報

因果推論の技法ＬｉＮＧＡＭを開発した第一線の研究者が、基礎事項から発展的話題まで平易に説き起こす。因果推論・因果探索に必携。膨大なデータから、いかにして原因と結果の関係を見いだすのか？　「ＬｉＮＧＡＭ」（線形非ガウス非巡回モデル）を開発した第一線の研究者が、基礎事項から発展的話題まで平易に説き起こす。因果推論・因果探索に必携。

■おもな内容
第1章　統計的因果探索の出発点
第2章　統計的因果推論の基礎　
第3章　統計的因果探索の基礎
第4章　LiNGAM
第5章　未観測共通原因がある場合のLiNGAM
第6章　関連の話題

■機械学習プロフェッショナルシリーズ
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

第7期として、以下の3点を刊行!

統計的因果探索　清水 昌平・著
画像認識　原田 達也・著
深層学習による自然言語処理　坪井 祐太/海野 裕也/鈴木 潤・著

■シリーズ編者
杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授

第1章　統計的因果探索の出発点
1.1　はじめに
1.2　因果探索における最大の困難：擬似相関
1.3　擬似相関の数値例
1.4　本章のまとめ
第2章　統計的因果推論の基礎
2.1　導入
2.2　反事実モデルによる因果の定義
2.3　構造方程式モデルによるデータ生成過程の記述
2.4　統計的因果推論の枠組み：構造的因果モデル
2.5　ランダム化実験
2.6　本章のまとめ
第3章　統計的因果探索の基礎
3.1　動機
3.2　因果探索の枠組み
3.3　因果探索の基本問題
3.4　因果探索の基本問題への3つのアプローチ
3.5　3つのアプローチと識別可能性
3.6　本章のまとめ
第4章　LiNGAM
4.1　独立成分分析
4.2　LiNGAMモデル
4.3　LiNGAMモデルの推定
4.4　本章のまとめ
第5章　未観測共通原因がある場合のLiNGAM
5.1　未観測共通原因による難しさ
5.2　未観測共通原因があるLiNGAMモデル
5.3　未観測共通原因は独立と仮定しても一般性を失わない
5.4　独立成分分析に基づくアプローチ
5.5　混合モデルに基づくアプローチ
5.6　多変数の場合
5.7　本章のまとめ
第6章　関連の話題
6.1　モデルの仮定を緩める
6.2　モデル評価
6.3　統計的信頼性評価
6.4　ソフトウェア
6.5　おわりに


清水 昌平［シミズ ショウヘイ］
著・文・その他

内容説明

セミパラメトリックアプローチを因果探索法の「真打ち」として幅広く紹介。代表的手法ＬｉＮＧＡＭをその考案者である著者が解説。

目次

第１章　統計的因果探索の出発点
第２章　統計的因果推論の基礎
第３章　統計的因果探索の基礎
第４章　ＬｉＮＧＡＭ
第５章　未観測共通原因がある場合のＬｉＮＧＡＭ
第６章　関連の話題

著者等紹介

清水昌平［シミズショウヘイ］
博士（工学）。２００１年大阪大学人間科学部卒業。２００６年大阪大学大学院基礎工学研究科博士後期課程修了。現在、滋賀大学データサイエンス学部准教授。大阪大学産業科学研究所特任准教授。理化学研究所革新知能統合研究センター因果推論チームチームリーダー（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[センケイ (線形)]

因果に探索が可能なのかというのに惹かれて一気読み。非ガウスや非巡回という制約は厳しいがそれらを緩める議論もあり、期待が膨らむ。新しい方法である分、そうした拡張がさかんに議論されているわけだ。原理上の限界はあるかもしれないが、それでも相関と比べてはるかに識別が難しそうに見える因果にメスを入れていく今後の動きも楽しみだ。なお構造方程式という定式化自体は直感から遠いものではなく、「この前提ではどこまで識別可能か」というつどつどの確認の親切さも相まって、要所を掴みやすい構成になっていると思う。

2019/07/20

[Tsukasa Fukunaga]

データから因果関係を探索する手法についての理論的基礎と、誤差分布に非ガウス分布を仮定する事によって因果関係を推定可能にするセミパラメトリックアプローチであるLiNGAMについての紹介。最初の説明部分は若干くどいように感じたが、本題であるLiNGAMは丁寧に説明されており興味深く読めた。因果関係を推定するためには色々とデータに仮定が(まだ)必要であるため、直ちに今解析しているデータに使えるというわけではないが、今後の研究の発展が期待される。

2017/08/01

[shin_ash]

LiNGAMモデルは線型性、非巡回性、非ガウス分布と独立性の仮定はつくものの、データから因果的順序が識別可能な画期的なアプローチである。因果推論はモデルと因果グラフと介入がセットで語られる上に、LiNGAMは独立成分分析の応用にも当たる為、広範囲な予備知識を要求する。この困難を本書は、著者がLiNGAMの提唱者である為か、平易なトイモデルをとことん噛み砕いて説明する事でカバーする。それでも応用になれば難しく、実務を想定すると埋めなければならない課題は多い。しかし分析者に新たな扉を開く素晴らしい良書である。

2018/10/14

[zukky65]

因果関係の探索方法についての基礎とセミパラメトリックな方法であるLiNGAMについて書かれている。因果関係の探索の本は他にもいくつか読んだが、LiNGAMは初めて見たので非常に勉強になった。ガウス分布を仮定してもわからなかった因果関係が、非ガウス分布を仮定することで絞り込めるようになるというのは非常に面白かった。LiNGAMはかなり面白そうな話なのでもう少し勉強してみる。

2017/05/28

[はやと]

因果推論探索の勉強で2冊目。図や数式を噛み砕いて丁寧に書いているため、対象である学部4年生あたり向けというのにとても納得のレベル感であった。 個人的には、2冊目だったからか若干くどく感じでしまったが、1冊目として読むのに良いと感じた。 内容についても、相関と因果の違いから具体的なアプローチの説明とその識別可能性を丁寧に書いてくれていた。後半の未観測変数を含むLiNGAMでは、やはりその他の統計的知識が必要で、書面の都合か、あまり細かい説明はないので、勉強しておく必要がある。

2021/03/29