会员服务
统计量 · 统计方法 ·
2020 年 3 月 25 日
Review of The Book of Why: The New Science of Cause and Effect
翻译：对《为何之书:因果的新科学》的回顾
Peter M. Aronow,Fredrik Sävje
Peter M. Aronow,Fredrik Sävje

Book review published as: Aronow, Peter M. and Fredrik S\"avje (2020), "The Book of Why: The New Science of Cause and Effect." Journal of the American Statistical Association, 115: 482-485.


翻译：发表于《阿罗诺》、《彼得·M》和《弗雷德里克·S》的书评》(2020年),《为什么的书:因果的新科学》,美国统计协会杂志,第115期:482-485页。
4
下载
关闭预览

相关内容

【论文翻译】NLP注意力机制综述论文翻译，Attention, please! A Critical Review of Neural Attention Models in Natural Language Processing
【论文翻译】NLP注意力机制综述论文翻译，Attention, please! A Critical Review of Neural Attention Models in Natural Language Processing
专知会员服务
93+阅读 · 2020年4月18日
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
专知会员服务
114+阅读 · 2020年4月5日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
统计学习理论之父Vapnik-MIT2020报告《完全学习统计理论Statistical Theory of Learning》
统计学习理论之父Vapnik-MIT2020报告《完全学习统计理论Statistical Theory of Learning》
专知会员服务
84+阅读 · 2020年2月16日
【新书】Python数据科学食谱（Python Data Science Cookbook）
【新书】Python数据科学食谱（Python Data Science Cookbook）
专知会员服务
114+阅读 · 2020年1月1日
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
专知会员服务
44+阅读 · 2020年1月1日
PyTorch深度学习零基础入门《First steps towards Deep Learning with pyTorch》
PyTorch深度学习零基础入门《First steps towards Deep Learning with pyTorch》
专知会员服务
118+阅读 · 2019年10月28日
微软研究院新版书籍《数据科学基础》（Foundations of Data Science），附479页PDF下载
微软研究院新版书籍《数据科学基础》（Foundations of Data Science），附479页PDF下载
专知会员服务
134+阅读 · 2019年10月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
Call4Papers
6+阅读 · 2019年4月1日
人工智能 | SCI期刊专刊信息3条
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
人工智能 | PRICAI 2019等国际会议信息9条
人工智能 | PRICAI 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年12月13日
2018年中科院JCR分区发布！
2018年中科院JCR分区发布！
材料科学与工程
3+阅读 · 2018年12月11日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
人工智能类 | 国际会议/SCI期刊专刊信息9条
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
人工智能 | 国际会议/SCI期刊约稿信息9条
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
Knowledge Distillation and Student-Teacher Learning for Visual Intelligence: A Review and New Outlooks
Knowledge Distillation and Student-Teacher Learning for Visual Intelligence: A Review and New Outlooks
Arxiv
13+阅读 · 2020年4月13日
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Arxiv
16+阅读 · 2020年3月12日
A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications
A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications
Arxiv
58+阅读 · 2020年1月20日
The Measure of Intelligence
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Context in Neural Machine Translation: A Review of Models and Evaluations
Arxiv
5+阅读 · 2019年1月25日
Automatic Summarization of Natural Language
Arxiv
3+阅读 · 2018年12月18日
Variational Inference: A Unified Framework of Generative Models and Some Revelations
Variational Inference: A Unified Framework of Generative Models and Some Revelations
Arxiv
6+阅读 · 2018年7月16日
A Tour of Reinforcement Learning: The View from Continuous Control
Arxiv
6+阅读 · 2018年6月25日
Why not be Versatile? Applications of the SGNMT Decoder for Machine Translation
Arxiv
3+阅读 · 2018年3月20日
Survey of the State of the Art in Natural Language Generation: Core tasks, applications and evaluation
Arxiv
5+阅读 · 2017年12月12日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
统计量
统计方法
相关VIP内容
【论文翻译】NLP注意力机制综述论文翻译，Attention, please! A Critical Review of Neural Attention Models in Natural Language Processing
【论文翻译】NLP注意力机制综述论文翻译，Attention, please! A Critical Review of Neural Attention Models in Natural Language Processing
专知会员服务
93+阅读 · 2020年4月18日
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
专知会员服务
114+阅读 · 2020年4月5日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
统计学习理论之父Vapnik-MIT2020报告《完全学习统计理论Statistical Theory of Learning》
统计学习理论之父Vapnik-MIT2020报告《完全学习统计理论Statistical Theory of Learning》
专知会员服务
84+阅读 · 2020年2月16日
【新书】Python数据科学食谱（Python Data Science Cookbook）
【新书】Python数据科学食谱（Python Data Science Cookbook）
专知会员服务
114+阅读 · 2020年1月1日
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
【Python Tricks新书】The book: A Buffet of Awesome Python Features，299页pdf
专知会员服务
44+阅读 · 2020年1月1日
PyTorch深度学习零基础入门《First steps towards Deep Learning with pyTorch》
PyTorch深度学习零基础入门《First steps towards Deep Learning with pyTorch》
专知会员服务
118+阅读 · 2019年10月28日
微软研究院新版书籍《数据科学基础》（Foundations of Data Science），附479页PDF下载
微软研究院新版书籍《数据科学基础》（Foundations of Data Science），附479页PDF下载
专知会员服务
134+阅读 · 2019年10月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
人工智能 | ISAIR 2019诚邀稿件（推荐SCI期刊）
Call4Papers
6+阅读 · 2019年4月1日
人工智能 | SCI期刊专刊信息3条
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
人工智能 | PRICAI 2019等国际会议信息9条
人工智能 | PRICAI 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年12月13日
2018年中科院JCR分区发布！
2018年中科院JCR分区发布！
材料科学与工程
3+阅读 · 2018年12月11日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
人工智能类 | 国际会议/SCI期刊专刊信息9条
人工智能类 | 国际会议/SCI期刊专刊信息9条
Call4Papers
4+阅读 · 2018年7月10日
人工智能 | 国际会议/SCI期刊约稿信息9条
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
相关论文
Knowledge Distillation and Student-Teacher Learning for Visual Intelligence: A Review and New Outlooks
Knowledge Distillation and Student-Teacher Learning for Visual Intelligence: A Review and New Outlooks
Arxiv
13+阅读 · 2020年4月13日
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Hyper-Parameter Optimization: A Review of Algorithms and Applications
Arxiv
16+阅读 · 2020年3月12日
A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications
A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications
Arxiv
58+阅读 · 2020年1月20日
The Measure of Intelligence
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Context in Neural Machine Translation: A Review of Models and Evaluations
Arxiv
5+阅读 · 2019年1月25日
Automatic Summarization of Natural Language
Arxiv
3+阅读 · 2018年12月18日
Variational Inference: A Unified Framework of Generative Models and Some Revelations
Variational Inference: A Unified Framework of Generative Models and Some Revelations
Arxiv
6+阅读 · 2018年7月16日
A Tour of Reinforcement Learning: The View from Continuous Control
Arxiv
6+阅读 · 2018年6月25日
Why not be Versatile? Applications of the SGNMT Decoder for Machine Translation
Arxiv
3+阅读 · 2018年3月20日
Survey of the State of the Art in Natural Language Generation: Core tasks, applications and evaluation
Arxiv
5+阅读 · 2017年12月12日
Top
微信扫码咨询专知VIP会员
Top