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工程落地

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点 · 课程目标与学习路径 · 工程落地的核心挑战
课程导论层级预测
02
因果图模型基础
有向无环图(DAG) · d-分离 · 后门准则与前门准则
因果图模型基础DAG
03
层级数据结构
层级数据的定义 · 组内相关(ICC) · 多层级线性模型简介
层级数据结构层级数据的定义
04
层级数据中的因果结构
层级混淆 · 层级中介 · 跨层级交互效应
层级数据因果结构
05
因果特征提取概述
特征选择与因果特征的区别 · 稳定学习与分布外泛化
因果特征提取概述特征选择
06
基于树模型的因果特征提取
因果森林 · 异质性处理效应估计 · 特征重要性排序
基于树模型的因果…因果森林
07
基于深度学习的因果表征学习
变分自编码器(VAE)在因果发现中的… · 反事实表征
基于深度学习的因…VAE
08
层级因果特征提取方法
组级特征与个体级特征分离 · 层级正则化技术
层级因果特征提取…组级特征
09
预测调和概述
层级预测中的调和问题 · 自洽性约束 · 最优组合预测
预测调层级预测
10
经典调和预测方法
MinT(最小迹)调和 · WLS(加权最小二乘)调和 · 结构缩放
经典调预测方法
11
因果增强的调和预测
将因果结构作为先验信息引入调和权重矩…
因果增强的调预测
12
联合工程框架设计
因果特征提取模块与预测调和模块的耦合… · 端到端与两阶段对比
联合工程框架设计因果特征提取模块
13
数据预处理与特征工程
缺失值处理(因果视角) · 层级对齐 · 时间戳对齐
数据预处理特征工程
14
因果发现工具实战
使用DoWhy · CausalNex进行层级数据因果图…
因果发现工具实战DoWhy
15
因果效应估计实战
使用EconML进行层级异质性处理效…
因果效应估计实战EconML
16
特征提取模型构建
基于PyTorch的层级因果表征网络…
特征提取模型构建PyTorch
17
预测模型构建
基础预测模型(ARIMA · LightGBM)在层级数据上的适配
预测模型构建ARIMA
18
调和算法实现
从零实现MinT调和 · 自定义因果权重调和
算法实现MinT
19
联合训练Pipeline
使用PyTorch Lightnin…
Pipeline联合训练
20
模型评估指标
层级预测评估(MAE · RMSE · CRPS)
模型评估指标MAE
21
消融实验设计
有/无因果特征 · 有/无调和 · 有/无联合训练的对比实验
消融实验设计无因果特征
22
超参数调优
因果特征提取模块与预测调和模块的联合…
超参数调优因果特征提取模块
23
大规模数据处理
使用Spark或Dask处理百万级层…
大规模数据处理Spark
24
模型部署与推理优化
ONNX导出 · TensorRT加速 · 层级预测服务架构
模型部署推理优化
25
A/B测试与因果验证
在线评估因果特征提取效果 · 反事实验证框架
A/B测试
26
案例研究1
零售供应链层级需求预测中的因果特征提…
案例研究1零售供应链层级需…
27
案例研究2
医疗健康层级患者风险预测中的因果特征…
案例研究2医疗健康层级患者…
28
案例研究3
金融风控层级欺诈检测中的因果特征提取…
案例研究3金融风控层级欺诈…
29
常见陷阱与最佳实践
过拟合因果结构 · 调和过度平滑 · 数据泄露防范
常见陷阱最佳实践
30
课程总结与未来展望
因果表示学习前沿 · 自动化因果发现 · 可解释层级预测
课程总结未来展望