causality_for_spaceweather/docs/ch4_causal_ml/causal_inference.md

因果推断&机器学习

因果推断初解

因果推断方法概述

因果关系这个我们常用的词语，在哲学层面，有三种不同的层次：

• 第一是心理意义上的，指的是普通人，在日常生活中体会到的因果是怎样的，每个人感受到的因果关系， 对其给出的解释都会有所不同，因此在这个层面探讨的因果关系，不具有内在的价值，只适用于讨论和提出 因果关系的人本身的关系；
• 第二是本体论上的，考虑的是因果关系仅仅只是虚构的概念，还是真实存在的，前者被称为唯名论（Nominalism）， 后者称为实在论（Realism），例如在牛顿之前，能感受到重力，但不认可重力是一个独立存在的本体，同样的关系也适用 于因果关系，我们能否认为因果关系是真实存在的实体，是本体论探讨的问题；
• 第三是认知论层面上的；探讨人类能够通过怎样的形式化的手段，量化的评估因果关系，这也是我们所关注的。

上述介绍，对因果检测的方法，按照其方法论所依据的假设，分为了四类：

• 新休谟式（neo humean）

    我们关注的方法都属于此类
  

• 反事实的（count factual）

    朱迪亚-珀尔的方法属于此类
  

• 操控实验（Manipulation）

    RCM、SCM等等
  

• 机制研究（Mechanism）

    复杂度相关
  

相关讨论：

• 基于因果推断的复杂系统分析建模
• 复杂性与临界现象公开课

因果机器学习

Causality for machine learning、

朱迪亚-珀尔

朱迪亚-珀尔《为什么：关于因果关系的新科学》

暗因果

因果观念新革命？万字长文，解读复杂系统背后的暗因果

相关论文：

• Hidden interactions in financial markets
• Unveiling causal interactions in complex systems