Ｃｏｍｐａｓｓ Ｄａｔａ Ｓｃｉｅｎｃｅ つくりながら学ぶ！Ｐｙｔｈｏｎによる因果分析―因果推論・因果探索の実践入門

小川 雄太郎【著】

マイナビ出版（2020/06発売）

• サイズ B5判／ページ数 223p／高さ 24cm
• 商品コード 9784839973575
• NDC分類 417
• Cコード C3055

出版社内容情報

ビジネス現場ではデータ活用の重要性がますます高まっています。データに基づいた経営施策の実施とその効果検証のためには、一般的な統計指標（平均、標準偏差、相関）だけでなく「因果」にまで分析を広げる必要があります。
本書は因果分析の重要な2つの領域である「因果推論」および「因果探索」について、実際にプログラムを実装しながら学ぶ書籍です。因果推論や因果探索を学びたいビジネスパーソンや、初学者の方を対象としています。

・因果推論とは「テレビCM放映で、商品購入量がどれくらい増えたのか？」「研修の実施で、社員スキルがどの程度向上したのか？」など、なんらかの施策を実施した際に、その施策の効果を推定する手法です。
・因果探索とは「生活習慣と疾病の調査」「働き方改革に伴う社員調査」など、アンケート調査等で収集した各項目間の因果関係を明らかにする試みです。

本書は「因果推論、因果探索とはどのようなものか」「因果推論、因果探索を実施するには、具体的にどうしたら良いのか・分析プログラムをどう実装したら良いのか」「因果推論、因果探索が、どのように機械学習やディープラーニングと結びついているのか」が理解・習得できる内容となっています。

プログラミング言語Python、実行環境Google Colaboratory、機械学習ライブラリscikit-learn、PyTorchで実際に手を動かしながら実装し、習得していきます。

データに基づいた経営・ビジネスを実践するうえでスタンダードな手法となる因果分析をマスターしよう。

Part 1：因果推論
第1章 相関と因果の違いを理解しよう
第2章 因果効果の種類を把握しよう
第3章 グラフ表現とバックドア基準を理解しよう
第4章 因果推定を実装しよう
第5章 機械学習を用いた因果推論
Part 2：因果探索
第6章 LiNGAMの実装
第7章 ベイジアンネットワークの実装
第8章 ディープラーニングを用いた因果探索

内容説明

因果推論はなんらかの施策を実施した際に、その施策の効果を推定する手法です。因果探索はアンケート調査等で収集した各項目間の因果関係を明らかにする試みです。それぞれのテーマをさらに詳しく分析するための機械学習・ディープラーニング活用まで、実際に手を動かしながら習得できる内容です。

目次

第１部　因果推論（相関と因果の違いを理解しよう；因果効果の種類を把握しよう；グラフ表現とバックドア基準を理解しよう；因果推論を実装しよう；機械学習を用いた因果推論）
第２部　因果探索（ＬｉＮＧＡＭの実装；ベイジアンネットワークの実装；ディープラーニングを用いた因果探索）

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[kaida6213]

do演算子と反事実の部分を噛み砕いてから演習本として読むとなかなか。

2025/01/07

[チェリ]

読みにくい本だった。因果分析に興味を持ち、文章や数式の説明に加えてpythonコードもある本書を選んだ。読みにくい原因が複数あり、例えば変数名が「上司が「上司向け：部下とのキャリア面談のポイント研修」を受けた部下のキャリア面談の満足度」などやたらと長々しいものが多い。数式の説明も「これはAをBで割っている」の様な見れば分かる以上の解説がない。何のために割るのかが知りたい。章の繋がりも分かりにくく、前章の方法とどう違うか、メリデメリの比較も無ければ関係性も分からないので、結構辛い。最低限は説明しているが。。

2023/09/02

[kaida6213]

初心者向け。因果推論、因果探索の一番はじめの本として良い。数式の裏付け説明はないです。

2022/01/13

[shin]

Amazonでは理論面の解説が少ないとの厳しい評もあるが、まず実装してみてわかることもあるし、実装を因果探索まで含む幅広いテーマで説明している書は少ないので、個人的にはいい本だと思った。この本と理論の本と行き来しながら理論と適用条件とご利益を理解していくのが良さそう。理論の本の1冊目は、Pearl流とRubin流がバランス良く載っていて、想定読者が実務家となっている岩波データサイエンスVol.3がおすすめ。

2020/08/12

[好奇心の横断歩道を渡る！]

ConstraintBasedEstimator.pyが最新版のpgmpy(0.1.13)には無いため、ConstraintBasedEstimatorを使おうとするとエラー履いた。7-5の実装は本書と同じpgmpy==0.1.9で。8章「ディープラーニングを用いた因果探索」以外読了。細部まで理解したわけではないし、この本なしでも使えるようになってもいない。が、どの手法がどんな前程条件で使えて何を主張できるのか、なんとなく理解したつもり。データを見てピンとくることがあったらこの本を辞書にして実装したい。

2021/01/20