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。
来源

潜在结果反事实框架

可迁移到

政策评估、医学研究、商业决策——提醒我们在所有因果结论前加上"在以下假设下成立"的限定。

来自这本书的解读报告

《机器学习与因果推断》

多位作者(综合该领域核心文献) · 因果推断 / 统计学习 / 计量经济学

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。

因果推断·机器学习·反事实·政策评估·异质性处理效应
阅读完整解读报告 →
PRESS YOUR OWN BOOK

找一本想读的书,解读出你自己的洞察

90 秒得到核心模型 · 行动接口 · 失效边界 · 三套 SOP

解读一本书 →