目錄前言一、一個例子：基于已有案件信息預測新案件審理時長二、數據的基本知識三、人工智能四、幾組基礎概念五、本書的結構一、樹模型和決策樹二、決策樹的形成三、決策樹的過擬合問題四、決策樹的剪枝五、集成學習與隨機森林六、應用實例：預測美國*高法院判決目錄 前言 **章導論一、一個例子：基于已有案件信息預測新案件審理時長二、數據的基本知識三、人工智能四、幾組基礎概念五、本書的結構 第二章樹模型一、樹模型和決策樹二、決策樹的形成三、決策樹的過擬合問題四、決策樹的剪枝五、集成學習與隨機森林六、應用實例：預測美國*高法院判決 第三章相關關系與回歸模型一、相關性分析與回歸模型概述二、線性回歸模型三、邏輯回歸模型四、應用實例：預測我國盜竊案件判決結果 第四章模型評價準則一、類別變量預測模型的評價二、連續變量預測模型的評價三、兩種公正標準的悖論：關于COMPAS的爭議 第五章聚類一、聚類算法概述二、相似性度量三、K-means聚類方法四、應用實例：法系的再分類 第六章神經網絡模型一、神經網絡模型概述二、神經網絡模型的結構三、神經網絡模型的訓練和優化四、應用實例：預測行政征收案件判決結果 第七章自然語言處理和大語言模型一、自然語言處理概述二、自然語言處理的步驟和技術三、大語言模型四、應用實例：法律大語言模型 第八章從預測到推斷：相關關系和因果關系一、相關關系不等于因果關系二、相關性分析在因果推斷中的具體難題三、為什么探尋因果關系四、因果推斷的基本方法五、實驗方法在法學研究中的定位 第九章隨機對照實驗一、法律的實施效果二、法官決策三、多組間實驗設計四、現場實驗 第十章自然實驗一、匹配二、雙重差分三、斷點回歸四、工具變量 第十一章決策邊界一、決策邊界與預測二、決策邊界與因果推斷三、*優決策邊界 結語：機器能取代法官嗎 后記