近刊

因果機械学習入門意思決定のための因果推論と機械学習

著者: 谷本啓著

データ駆動による「良い」意思決定のために。

　本書は、行動と結果の因果関係をデータからモデル化することで意思決定につなげる技術である因果機械学習（Causal Machine Learning）について解説します。
　良い意思決定のためには「どう行動したら、どんな結果になるか」という行動と結果の因果関係の把握が必要です。しかし、機械学習による予測モデルが因果関係を捉えることは必ずしも保証されません。単に「この場合は、こうなることが多かった」という過去のデータにおける傾向を表しているにすぎないからです。
　では、どうすれば因果を捉えられるか。行動をランダム化した実験が可能であれば因果関係を立証できますが、現実には困難といえます。ランダム化されていない観察データから因果を立証するには、データ生成過程に関する知識と、状況に対応した手法の選択が必要です。本書では、どんな場合にどんな手法が適用可能か、代替アプローチを含め幅広く解説します。重要な仮定や公理を含む理論的背景に紙数を割き、読者が各手法やアプローチの有効範囲を正しく理解し、自信をもって使えるようになることを目指します。

このような方におすすめ

・予測や判別を超えて意思決定を実務で取り入れたいデータサイエンティスト
・意思決定論やその周辺分野を学ぶ大学学部3年以上の学生、研究者
・実証研究者など、統計学や機械学習について一定の理解があり、因果や因果推論に興味がある方

初級

書籍詳細
目次
ダウンロード
正誤表

書籍詳細

定価: 3,850円（本体3,500円＋税）
頁: 304頁
発売日: 2026/11/30
ISBN: 978-4-274-23562-7
判型: A5
発行元: オーム社

書籍カテゴリ: 情報・ネットワーク・コンピュータ

システム応用

知識工学・人工知能

第I部　因果推論と機械学習の導入

第1章　因果推論とは
第2章　機械学習とは
第3章　意思決定理論とは

第II部　理想的な状況下での因果推論

第4章　因果推論の典型的な問題設定
第5章　平均因果効果の推定法
第6章　条件付き平均因果効果の推定法
第7章　深層学習に基づく手法と発展的な問題設定
第8章　意思決定と因果推論の接続
第9章　意思決定志向型学習

第III部　多様な状況下での因果推論

第10章　構造的因果モデルの導入と活用法
第11章　因果構造の同定：因果探索
第12章　未観測交絡因子への対処
第13章　決定論的/準決定論的割り付け

第IV部　不確実性下の意思決定理論

第14章　期待効用理論
第15章　主観的期待効用理論
第16章　マキシミン期待効用理論

第V部　逐次意思決定

第17章　強化学習
第18章　オフライン強化学習
第19章　バンディット

詳細目次

第I部　因果推論と機械学習の導入

第1章　因果推論とは
　1.1　因果と相関の違い：シンプソンのパラドックス
第2章　機械学習とは
　2.1　機械学習の基礎
　2.2　機械学習の理論保証
　2.3　教師あり機械学習と因果推論の違い：潜在結果と部分観測問題
第3章　意思決定理論とは
　3.1　期待効用理論概説
　3.2　意思決定と因果推論・機械学習の関係

第II部　理想的な状況下での因果推論

第4章　因果推論の典型的な問題設定
　4.1　3つの仮定
　4.2　推定対象：平均期待効用と条件付き平均期待効用
　4.3　因果推論の精度評価指標
　4.4　検証実験とデータセット
第5章　平均因果効果の推定法
　5.1　マッチング法
　5.2　逆確率重み付け
　5.3　CATE推定量を用いる方法：G計算
第6章　条件付き平均因果効果の推定法
　6.1　メタ学習器
　6.2　二重機械学習
　6.3　決定木ベースのCATE推定法
第7章　深層学習に基づく手法と発展的な問題設定
　7.1　深層学習とは
　7.2　表現均衡化によるバイアス補正
　7.3　表現均衡化の限界とアプローチ
第8章　意思決定と因果推論の接続
　8.1　効用と結果と報酬
　8.2　意思決定方策関数とその評価指標
　8.3　予測精度と意思決定性能
第9章　意思決定志向型学習
　9.1　良い行動の判別にもとづく手法
　9.2　予測最適行動の精度を重視した学習

第III部　多様な状況下での因果推論

第10章　構造的因果モデルの導入と活用法
　10.1　構造的因果モデルとdo演算子
　10.2　バックドア基準による変数選択
第11章　因果構造の同定：因果探索
　11.1　独立性に基づく手法：IC/PCアルゴリズム
　11.2　線形モデルを仮定した手法：LiNGAM
　11.3　LiNGAMの非線形拡張
　11.4　深層学習ベースの連続最適化法
第12章　未観測交絡因子への対処
　12.1　フロントドア調整
　12.2　操作変数法
　12.3　代理変数法
第13章　決定論的/準決定論的割り付け
　13.1　回帰不連続デザイン

第IV部　不確実性下の意思決定理論

第14章　期待効用理論
　14.1　サンクトペテルブルクのパラドックス
　14.2　確率的不確実性下の意思決定の定式化
　14.3　公理
　14.4　フォン・ノイマン＝モルゲンシュテルンの定理
第15章　主観的期待効用理論
　15.1　準備
　15.2　公理
　15.3　サヴェッジの定理
第16章　マキシミン期待効用理論
　16.1　エルスバーグのパラドックス
　16.2　準備: 主観客観混合確率上の意思決定理論
　16.3　ギルボア＝シュマイドラーの定理
　16.4　意思決定理論のまとめ

第V部　逐次意思決定

第17章　強化学習
　17.1　マルコフ決定過程
　17.2　Q学習
第18章　オフライン強化学習
　18.1　模倣学習
　18.2　悲観的効用推定
　18.3　悲観の利点
第19章　バンディット
　19.1　多腕バンディット問題と楽観的評価
　19.2　UCBアルゴリズムの性能の証明
　19.3　楽観の利点

参考文献
索引