The Book of Why (original) (raw)
内容简介 · · · · · ·
A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
“Correlation is not causation.” This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pe...
A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
“Correlation is not causation.” This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pearl and his colleagues, has cut through a century of confusion and established causality–the study of cause and effect–on a firm scientific basis. His work explains how we can know easy things, like whether it was rain or a sprinkler that made a sidewalk wet; and how to answer hard questions, like whether a drug cured an illness. Pearl’s work enables us to know not just whether one thing causes another: it lets us explore the world that is and the worlds that could have been. It shows us the essence of human thought and key to artificial intelligence. Anyone who wants to understand either needs The Book of Why.
作者简介 · · · · · ·
Judea Pearl is a professor of computer science at UCLA and winner of the 2011 Turing Award and the author of three classic technical books on causality. He lives in Los Angeles, California.
Dana Mackenzie is an award-winning science writer and the author of The Big Splat, or How Our Moon Came to Be. He lives in Santa Cruz, California.
原文摘录 · · · · · · ( 全部 )
- 在数学上，我们把自愿服药的病人的生存期L的观测频率记作P（L|D），这就是统计学教科书中常用的条件概率。这个公式表示生存期L的概率（P）是以观察到病人服用药物D为条件的。注意P（L|D）与P（L|do（D））完全不同。观察到（seeing）和进行干预（doing）有本质的区别，它解释了我们不认为气压计读数下降是风暴来临的原因。观察到气压计读数下降意味着风暴来临的概率增加了，但人为迫使气压计读数下降对风暴来临的概率并不会产生影响。 (查看原文)
—— 引自章节：导 言：思维胜于数据 - 事实上，我在机器学习方面的研究经历告诉我，因果关系的学习者必须熟练掌握至少三种不同层级的认知能力：观察能力（seeing）、行动能力（doing）和想象能力（imagining）。 (查看原文)
—— 引自章节：第一章：因果关系之梯
> 全部原文摘录
喜欢读"The Book of Why"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
29.99元
6.99元
5.99元
18.00元
27.00元
喜欢读"The Book of Why"的人也喜欢 · · · · · ·
3 有用 SuSo 2019-01-14 04:49:52
Heckman, Rubin, Pearl的爱恨情仇啊。From Gelman, Pearl’s obnoxiousness obstructs the disemmination of his ideas. And works by economists are swept under the rug. 画图容易，但用Rubin亦可。同样的问题仍是我们有哪些x该放进来？然后如何从ate到更有意义... Heckman, Rubin, Pearl的爱恨情仇啊。From Gelman, Pearl’s obnoxiousness obstructs the disemmination of his ideas. And works by economists are swept under the rug. 画图容易，但用Rubin亦可。同样的问题仍是我们有哪些x该放进来？然后如何从ate到更有意义的参数是根本的识别问题也是modelling problem，这个用图难以。另外经济学家最大的一个贡献（语出Hausman）就是sem；Pearl似乎不能领会我们为何要用sem。端看pearl能不能用dag来写一个市场均衡模型. Imbens最近写了一篇review说经济学家们不用学图论 用处不多 (展开)
0 有用 童彤 2020-05-20 03:20:29
不好意思，实在看不下去。。相比之下我还是选择Causal Inference by Miguel Hernán and Jamie Robins， 或者Causal Inference for Statistics, Social, and Biomedical Sciences : An Introduction by Guido Imbens和Don Rubin
2 有用 本杰明 2018-07-22 10:02:17
购买链接：https://item.taobao.com/item.htm?spm=a1z38n.10677092.0.0.2fd21debCjUKdJ&id=574000401704
The Book of Why的书评 · · · · · ·( 全部 97 条 )
主治Y生 2020-05-29 17:55:14 中信出版集团2019版
《为什么》l 思维导图
这篇书评可能有关键情节透露
1、 文章结构 人类创造出了我们今天所享有的科技文明。所有这一切都源于我们的祖先提出了这样一个简单的问题：为什么？因果推断正是关于这个问题的严肃思考。因果革命背后有数学工具上的发展作为支撑，这种数学工具最恰当的名称应该是“因果关系演算法”。其一为因果图（causal... (展开)
全智甜 2020-11-27 19:57:44 中信出版集团2019版
因果关系：别真当科普书看了
这篇书评可能有关键情节透露
这是一本非常有帮助的书，但是很遗憾算不上一本科普书。尽管宣传给的定位是科普，语言和逻辑也非常简明，但实质上本书讨论的是学术意义上的因果关系。 对于一个不需要研究因果的普通人来说，似乎没有必要如此长篇大论的叙述；或者有点云里雾里，不知道为什么梳理出因果关系还需... (展开)
ᕙ(⇀↼)ᕗ 2018-12-30 21:56:14
An imperfect partial solution
rather than a new science. 1，作者并没有区分自然科学和社会以及行为科学，没有讨论这两个领域因果推断的异同，也没有上升到科学哲学的层面讨论因果推断本身。这些本身都不是问题。只是就内容来说，书中的science实际上指的是社会科学和行为科学，作者所说的“因果革命 (the ... (展开)
<>< 2019-08-04 23:32:24 中信出版集团2019版
一些笔记
这些人发明了如此简单而常用的东西，以至所有人都忘了这些东西也需要人发明出来。 非常匆忙地读了一遍之后，脑子里第一时间浮现的是小说《好兆头》里的这句话，它基本上是我对这本书印象的完美概括。 经济学专业的学生，如果选过一些 policy evaluation 和 causal inference 方... (展开)
J.T. 2020-08-03 23:53:04 中信出版集团2019版
现象和本质
笛卡尔在《谈谈方法》和《第一哲学沉思集》都曾探究过什么样的知识才是可靠的问题。他说，历史上什么观点都有争议，说明每一个观点都有可疑之处——我倒是认为，即是众人观点一致，这种观点依然很可疑。和笛卡尔一样，雅斯贝尔斯在《生存哲学》中也是这么谈论“真理”，他说，... (展开)
Michael 2018-09-03 18:59:19 Allen Lane2018版
因果关系的新科学
这本书着实烧脑，是讲因果关系的新科学，我实在不能用简明的语言来描述，要举的案例也有点冗长，我只能告诉你几个大的框架： 1 三级因果思维，原来我们的思想还能分出个三个层次，分别是观察，干预和想象，现在的人工智能还只达到第一级，大数据阶段[发呆] 2 回归均值，你知道... (展开)
jikeba 2020-04-19 06:55:45 Penguin2019版
相辅相承，十分精彩
这篇书评可能有关键情节透露
一周把Book of Why（BOW）和他那本Causal Inference in Statistics: A Primer（Primer）看完了。非常精彩。 从时间顺序上而言，其实是Primer先写完，BOW才开始动笔的。但是两本书参照着看就能明白，BOW里所有的技术框架，都是依照着Primer来写的。BOW是在这个骨架上讲了一个Cau... (展开)
咸鱼吴 2021-01-31 15:40:18
Causal Inference 在实操中的尴尬
最近一直在做相关工作，读了一些paper和书籍。记录一下对Causal Inference在行业中运用的想法。 最近在marketing measurement 的项目都想引入Causal Inference。Marketing和recommendation算是目前运用比较广泛的地方。 如书中提到 human intelligence 制造的causal graph + 模... (展开)
> 更多书评 97篇