vi
BRIEF CONTENTS
About the Authors . . . . . . . . . . . . . . . . . . . . v
Preface . . . . . . . . . . . . . . . . . . . . . . . . x
Guided Tour . . . . . . . . . . . . . . . . . . . . . . xi
Acknowledgments . . . . . . . . . . . . . . . . . . xvii
1 Regression . . . . . . . . . . . . . . . . . . . . 1
2 Uncertainty Quantification . . . . . . . . . . . . . 55
3 Regularization and Selection . . . . . . . . . . . 100
4 Classification . . . . . . . . . . . . . . . . . . 151
5 Causal Inference with Experiments . . . . . . . . 175
6 Causal Inference with Controls . . . . . . . . . . 215
7 Trees and Forests . . . . . . . . . . . . . . . . 259
8 Factor Models . . . . . . . . . . . . . . . . . 282
9 Text as Data . . . . . . . . . . . . . . . . . . 316
10 Deep Learning . . . . . . . . . . . . . . . . . 345
Appendix: R Primer . . . . . . . . . . . . . . . 383
Bibliography 419
Glossary 424
Acronyms 433
Index 436
