包邮机器能取代法官吗?:人工智能、数据科学与法律

目录前言一、一个例子：基于已有案件信息预测新案件审理时长二、数据的基本知识三、人工智能四、几组基础概念五、本书的结构一、树模型和决策树二、决策树的形成三、决策树的过拟合问题四、决策树的剪枝五、集成学习与随机森林六、应用实例：预测美国*高法院判决目录 前言 **章导论一、一个例子：基于已有案件信息预测新案件审理时长二、数据的基本知识三、人工智能四、几组基础概念五、本书的结构 第二章树模型一、树模型和决策树二、决策树的形成三、决策树的过拟合问题四、决策树的剪枝五、集成学习与随机森林六、应用实例：预测美国*高法院判决 第三章相关关系与回归模型一、相关性分析与回归模型概述二、线性回归模型三、逻辑回归模型四、应用实例：预测我国盗窃案件判决结果 第四章模型评价准则一、类别变量预测模型的评价二、连续变量预测模型的评价三、两种公正标准的悖论：关于COMPAS的争议 第五章聚类一、聚类算法概述二、相似性度量三、K-means聚类方法四、应用实例：法系的再分类 第六章神经网络模型一、神经网络模型概述二、神经网络模型的结构三、神经网络模型的训练和优化四、应用实例：预测行政征收案件判决结果 第七章自然语言处理和大语言模型一、自然语言处理概述二、自然语言处理的步骤和技术三、大语言模型四、应用实例：法律大语言模型 第八章从预测到推断：相关关系和因果关系一、相关关系不等于因果关系二、相关性分析在因果推断中的具体难题三、为什么探寻因果关系四、因果推断的基本方法五、实验方法在法学研究中的定位 第九章随机对照实验一、法律的实施效果二、法官决策三、多组间实验设计四、现场实验 第十章自然实验一、匹配二、双重差分三、断点回归四、工具变量 第十一章决策边界一、决策边界与预测二、决策边界与因果推断三、*优决策边界 结语：机器能取代法官吗 后记