可迁移模型 · TRANSFERABLE MODEL
因果推断的本质是推断"未曾发生的事"
因果效应的本质是反事实比较——"如果这个人没有接受处理,他会怎样?"但我们永远无法观测到反事实。因此,所有因果推断方法的本质都是在做"有根据的猜测"——区别只在于这个猜测有多可靠。理解这一点,就理解了为什么因果推断永远需要假设,且假设永远无法完全验证。
来自这本书的解读报告
《机器学习与因果推断》
机器学习擅长预测但无法回答因果问题,因果推断提供从关联到因果的桥梁。
阅读完整解读报告 →