@nekobo_01 この文献は理論含め分かりやすいかもしれません！あとは「pythonによる因果分析」という本にも事例が載ってます。 データから因果グラフを推定する、いわゆる因果探索ですね。 PCアルゴリズムがよく使われると思います。pythonではpgmpyというライブラリで実装できます！ https://t.co/yipdvJcmWU

@ESLbeginner ありがとうございます！ discussion出来るほど私が習熟してないですが、一応研究例があるみたいです。 主成分係数と因子負荷行列に対して回転するアプローチがあるみたいですが、仰るように軸の直行性や無相関性はやはり保たれない？ようです。 https://t.co/rdGX5WgXSt

RT @nagano_1123: 因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B

ベイジアンネットワークにおける因果発見 https://t.co/qQBNLHrt9M オススメ頂いた記事！良さそうなので今度の土日にでも赤入れしながら読む！

潜在交絡変数がウジャウジャしている、製造データの因果推論の救世主になりそうな技術。 実用上難しいのは、「潜在交絡変数が離散値化」できると仮定することかな。潜在交絡変数が特定できていない段階でこれは難しい。 https://t.co/WWTyjauwNt #因果推論 #lingam

LiNGAMにベイズ的なアプローチを掛け合わせた因果構造の推定手法に関するサーベイ。因果推論関連のタスクはLiNGAMに限らず未観測の交絡変数がネックとなりがちですが、うまく事前分布とパラメータを設定できれば未観測要因が存在しても正しく因果構造を推定できるっぽい。 https://t.co/blT2qRzBzQ

因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B