Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- 인과 추론
- Instrumental Variable
- Omitted Variable Bias
- 사영
- least square estimation
- 인과추론
- 누락편의
- 최소제곱법
- 예제
- HTML
- 교란 변수
- OVB
- 단순선형회귀
- 교란변수
- 잔차의 성질
- LU분해
- Python
- confounder
- 통계
- 회귀불연속설계
- Sharp RD
- simple linear regression
- causal inference
- 머신러닝
- residuals
- rct
- 크롤링
- 네이버 뉴스
- 선형대수
- backdoor adjustment
Archives
- Today
- Total
목록PC algorithm (1)
Always awake,

Causal Discovery의 개념과 그 중 대표적인 알고리즘인 PC algorithm에 대해 정리한 글입니다. 아래 그림의 출처는 [Youtube] [Session 18-3] 데이터 기반의 인과관계 발견(Causal Discovery)입니다 인과 다이어그램이란 변수 간의 인과관계를 도식화 한 것을 인과다이어그램(Causal Diagram)이라고 합니다. 동그라미로 표시된 노드는 변수를 의미하고, 화살표로 표시된 엣지는 두 변수 간 직접적인 인과 관계를 의미합니다 (화살표가 나가는 노드가 원인, 화살표가 향하는 노드가 결과입니다) 인과 다이어그램을 왜 그릴까요? 우리의 관심사인 원인과 결과 간의 인과관계를 알기 위해서입니다. 두 변수 간 인과관계를 확인하기 위해 통제해야할 path 및 노드(변수)를 규..
인과추론(Causal Inference)
2022. 6. 28. 00:01