膨大なデータから、いかにして原因と結果の関係を見いだすのか？　「LiNGAM」（線形非ガウス非巡回モデル）を開発した第一線の研究者が、基礎事項から発展的話題まで平易に説き起こす。因果推論・因果探索に必携。 ■おもな内容 第1章　統計的因果探索の出発点 第2章　統計的因果推論の基礎　 第3章　統計的因果探索の基礎 第4章　LiNGAM 第5章　未観測共通原因がある場合のLiNGAM 第6章　関連の話題 ■機械学習プロフェッショナルシリーズ 本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。 ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。 これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。 第7期として、以下の3点を刊行! 統計的因果探索　清水 昌平・著 画像認識　原田 達也・著 深層学習による自然言語処理　坪井 祐太/海野 裕也/鈴木 潤・著 ■シリーズ編者 杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授 第1章　統計的因果探索の出発点 1.1　はじめに 1.2　因果探索における最大の困難：擬似相関 1.3　擬似相関の数値例 1.4　本章のまとめ 第2章　統計的因果推論の基礎 2.1　導入 2.2　反事実モデルによる因果の定義 2.3　構造方程式モデルによるデータ生成過程の記述 2.4　統計的因果推論の枠組み：構造的因果モデル 2.5　ランダム化実験 2.6　本章のまとめ 第3章　統計的因果探索の基礎 3.1　動機 3.2　因果探索の枠組み 3.3　因果探索の基本問題 3.4　因果探索の基本問題への3つのアプローチ 3.5　3つのアプローチと識別可能性 3.6　本章のまとめ 第4章　LiNGAM 4.1　独立成分分析 4.2　LiNGAMモデル 4.3　LiNGAMモデルの推定 4.4　本章のまとめ 第5章　未観測共通原因がある場合のLiNGAM 5.1　未観測共通原因による難しさ 5.2　未観測共通原因があるLiNGAMモデル 5.3　未観測共通原因は独立と仮定しても一般性を失わない 5.4　独立成分分析に基づくアプローチ 5.5　混合モデルに基づくアプローチ 5.6　多変数の場合 5.7　本章のまとめ 第6章　関連の話題 6.1　モデルの仮定を緩める 6.2　モデル評価 6.3　統計的信頼性評価 6.4　ソフトウェア 6.5　おわりに