因果推理（Causal Inference）是本书要讲解的一个主要主题。因果推理是一项复杂的科学任务，它依赖于哥哥方面的数学基础，且应用于各个实际应用场景。没有一本书能够全面描述因果推理方法所涉及的数学基础知识。所有讲解因果推理书的作者都只会选择他们想要强调的因果推理方法的某一个方面进行详细的描述。
本书2020年更新最新版，文末付本书pdf下载地址。
本书主要目的是为了帮助帮助研究人员—特别是健康和社会科学相关学科的研究者—科学地生成和分析数据，以做出明确的因果推断，既包括因果问题，也包括数据分析所依据的假设。不幸的是，科学文献受到研究的困扰，在这些研究中，因果问题并没有被明确陈述，调查者无法证实的假设也没有被给出。这种对因果推理的漫不经心的态度导致了很多破碎的问题。例如，发现效果估计难以解释的研究并不少见，因为数据分析方法不能在调查者的假设下(如果他们声明的话)恰当地回答因果问题(如果明确声明的话)。
本书强调需要足够认真地对待因果问题来阐明它，并为因果推理描绘数据和假设的独立角色。一旦这些基础到位，因果推理必然会变得不那么随意，这有助于防止破碎问题阐。这本书描述了各种各样的数据分析方法，当收集到一个群体中每个人的数据时，这些方法可以用来估计在一组特定假设下的兴趣的因果效应。本书的一个关键信息是，因果推理不能简化为数据分析的处方集。
本书目录
2020年最新pdf下载地址
微信公众号回复关键字“clf20”获取最新版下载地址。
扫描下方二维码可以订阅哦！
DeepLearning_NLP
深度学习与NLP
