人工智能先驱、贝叶斯网络之父、美国计算机科学家 Judea Pearl 在最近的一篇论文中解释了基于数据统计的机器学习系统的一些局限性。要理解“为什么”，并回答“如果……会怎样”之类的问题，我们需要某种因果模型。在社会科学领域，尤其是流行病学中，一种名为“结构因果模型”（SCM）的革命性数学框架 ...

统计推断（statistical inference），在计算机科学中也被称为“机器学习”，是使用数据推断生成数据分布的过程 一个经典的统计推断问题是：给一个样本(\(\sim\)意味X_1,...,X_n独立且相互都有相同的边缘分布函数，即是来自F简单随机样本)\(X_1,...,X_n ...

幸存者偏差 风险分析的本质是使用部分样本分布估计总体分布。在风险建模的过程中，普遍存在着幸存者偏差（Survivorship Bias）。其含义为，使用局部样本代替总体样本时，局部样本无法充分表征总 ...

A Survey on Causal Inference 因果推理，其覆盖众多的研究领域，如何从观测数据中估计因果效应是主要的研究内容。常说‘关系不代表因果’. 比如，一项研究表面，吃早餐的女孩比不吃早餐的女孩更瘦，因此得出结论：‘吃早餐能减肥‘。 但事实上，吃早餐和瘦这2件事也许只是存在相关性 ...

最近一段时间由于业务需要，对因果推断进行研究，针对精准营销、用户增长、广告、模型可解释性等领域都有比较广泛的应用。本文主要从原理+实践角度去讲解一下相关的因果推断的工具或方法。以下是主要内容： 一、双重差分法 二、Uplift Model 三、Causal ML 四、EconML ...

关联, 介入, 反事实 机器学习做的大部分都是关于"关联", 即两个变量之间有相关性, 却不能给出一者对另外一者是否有影响, 以及影响程度是多大 而介入就会探讨变量之间的因果关系 因为在实践中往往不存在真正的随机试验, 所以需要实验组和对照组 利用 实验组的前后对比 - 对照组 ...

因果推断方法可以被分为两大类:贝叶斯网络结构学习算法和基于加噪声模型的因果推断算法。具有完整数据的因果推断方法可以被分为两大类: 基于估计马尔可夫等价类的贝叶斯网络结构学习算法和基于加性噪声模型的因果推断算法。 贝叶斯网络结构学习算法主要有两种方法．第一种是基于打分－搜索的贝叶斯网络结构学习 ...

中介因果效应分解 汇总与理解 目录 中介因果效应分解 汇总与理解 1. 前言 2. 问题描述 3. 符号定义 4. 总体效应、直接效应与间接效应 总体效应（Total Effect, TE ...