VIP20
本课程属于：007-需求预测模型 供应链数字化与智能采购系统 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

层级预测中因果特征提取与预测调和联合优化实践

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
层级预测与因果推断的交叉领域 · 联合优化的动机与挑战 · 课程整体框架与学习目标
课程导论层级预测
02
因果特征提取基础
因果图模型（DAG）回顾 · 结构因果模型（SCM） · do-算子与干预
因果特征提取基础DAG
03
层级预测基础
层级时间序列结构（地理/产品/组织层… · 层级一致性约束 · 经典预测方法（Top-down
层级预测基础层级时间序列结构
04
因果特征与预测特征的区别
关联性特征 vs 因果性特征 · 混淆因子与虚假相关 · 预测任务中的因果必要性
因果特征预测特征的区别
05
因果发现方法（上）
基于约束的因果发现（PC算法） · 基于分数的因果发现（GES） · 假设检验与条件独立性
因果发现方法PC
06
因果发现方法（下）
基于函数因果模型的发现（LiNGAM · ANM） · 非线性因果发现
因果发现方法LiNGAM
07
因果特征选择
因果特征选择框架（Causal Fe… · 马尔可夫毯（Markov Blank… · 因果稳定特征选择
因果特征选择Causal
08
层级结构中的因果传播
层级间因果关系的建模 · 跨层级因果效应 · 层级混淆因子的识别与处理
层级结构因果传播
09
预测调和基础
层级预测调和（Reconciliat… · 最小二乘调和 · 加权最小二乘调和
预测调Reconciliat
10
因果增强的预测调和
将因果特征引入调和矩阵 · 因果权重分配 · 因果约束下的调和优化
因果增强的预测调将因果特征引入调
11
联合优化框架设计（上）
端到端联合优化目标函数 · 因果损失与预测损失的加权融合 · 梯度协调策略
联合优化框架设计端到端联合优化目…
12
联合优化框架设计（下）
多任务学习视角下的联合优化 · 交替优化算法 · 收敛性分析
联合优化框架设计多任务学习视角下…
13
因果特征提取网络
基于神经网络的因果特征提取器 · 因果注意力机制 · 反事实特征生成
因果特征提取网络基于神经网络的因…
14
层级预测网络
层级递归神经网络（HRNN） · 层级Transformer · 层级图神经网络（HGNN）
层级预测网络HRNN
15
联合优化网络架构
双流网络（因果流+预测流） · 共享表示层 · 门控融合单元
联合优化网络架构双流网络
16
损失函数设计
因果损失（干预损失 · 反事实损失 · 分布差异损失）
损失函数设计因果损失
17
正则化与约束
因果稀疏正则化 · 层级一致性硬约束/软约束 · 因果方向约束
正则化约束
18
优化算法与实现
随机梯度下降变体（Adam · SGD） · 学习率调度
优化算法实现
19
实验设计与评估指标
合成数据生成（基于SCM的层级数据） · 真实数据集（零售/能源/交通） · 评估指标（RMSE
实验设计评估指标
20
基线方法对比
无因果特征的预测调和 · 独立因果特征提取+预测调和 · 端到端联合优化（本课程方法）
基线方法对比无因果特征的预测…
21
案例研究1
零售业层级销售预测——因果特征（促销…
案例研究1零售业层级销售预…
22
案例研究2
能源层级负荷预测——因果特征（温度/…
案例研究2能源层级负荷预测
23
案例研究3
交通层级流量预测——因果特征（事故/…
案例研究3交通层级流量预测
24
可解释性分析
因果特征重要性可视化 · 层级归因分析 · SHAP值与因果SHAP
可解释性分析因果特征重要性可…
25
鲁棒性与稳定性分析
对抗性扰动下的因果特征稳定性 · 分布偏移下的预测调和鲁棒性 · 因果结构变化检测
鲁棒性稳定性分析
26
超参数调优
因果损失权重 · 调和矩阵正则化系数 · 网络结构超参数
超参数调优因果损失权重
27
工程实践与部署
模型序列化（ONNX/TorchSc… · 在线推理流水线 · 层级预测缓存策略
工程实践部署
28
前沿进展
因果表示学习与层级预测 · 大语言模型辅助因果发现 · 扩散模型用于层级预测
前沿进展因果表示学习
29
常见陷阱与解决方案
因果特征泄露 · 层级不一致的虚假因果 · 过度调和导致信息丢失
常见陷阱解决方案
30
课程总结与未来方向
核心知识点回顾 · 开放问题（动态因果结构 · 多层级因果干预）
课程总结未来方向