幸存者偏差 风险分析的本质是使用部分样本分布估计总体分布。在风险建模的过程中，普遍存在着幸存者偏差（Survivorship Bias）。其含义为，使用局部样本代替总体样本时，局部样本无法充分表征总体样本的分布信息，从而得到错误的总体估计 在风控架构体系中，多次涉及样本被拒绝或客户流失等问题 ...

一、引入 之前说过推断问题主要是已知一些变量求别的变量的概率，在图模型中主要是求隐变量的后验概率会用到。 有一些隐变量之间的关系没那么复杂，可以精确计算出来，虽然麻烦，但是好歹是可计算的，这种方法就是精确推断，精确推断比较简单，不会多写；还有的是真的没法算出来 ...

A Survey on Causal Inference 因果推理，其覆盖众多的研究领域，如何从观测数据中估计因果效应是主要的研究内容。常说‘关系不代表因果’. 比如，一项研究表面，吃早餐的女孩比不 ...

最近一段时间由于业务需要，对因果推断进行研究，针对精准营销、用户增长、广告、模型可解释性等领域都有比较广泛的应用。本文主要从原理+实践角度去讲解一下相关的因果推断的工具或方法。以下是主要内容： 一、双重差分法 二、Uplift Model 三、Causal ML 四、EconML ...

贝叶斯推断由上一篇我们已经了解到，对于未知的分布或者难以计算的问题，我们可以通过变分推断将其转换为简单的可计算的问题来求解。现在我们贝叶斯统计的角度，来看一个难以准确计算的案例。 推断问题可以理解为计算条件概率$p(y|x)$。利用贝叶斯定理，可以将计算条件概率（或者说后验概率 ...

关联, 介入, 反事实 机器学习做的大部分都是关于"关联", 即两个变量之间有相关性, 却不能给出一者对另外一者是否有影响, 以及影响程度是多大 而介入就会探讨变量之间的因果关系 因 ...

上二年级的大儿子一直在喝无乳糖牛奶，最近让他尝试喝正常牛奶，看看反应如何。三天过后，儿子说，好像没反应，我可不可以说我不对乳糖敏感了。 我说，呃，这个问题不简单啊。你知道吗，这在统计学上叫推断。 儿子很好学，居然叫我解释什么叫推断。 好吧，那我就来卖弄 ...

因果推断方法可以被分为两大类:贝叶斯网络结构学习算法和基于加噪声模型的因果推断算法。具有完整数据的因果推断方法可以被分为两大类: 基于估计马尔可夫等价类的贝叶斯网络结构学习算法和基于加性噪声模型的因果推断算法。 贝叶斯网络结构学习算法主要有两种方法．第一种是基于打分－搜索的贝叶斯网络结构 ...