机器之心分析师网络
作者：仵冀颖
编辑：JoniZhong
本文精选了几篇因果表示学习领域的最新文献，并细致分析了不同方法的基本架构，希望能帮助感兴趣的你对因果学习应用于机器学习的方向和可能一探究竟。
因果推理（Causalinference）是根据影响发生的条件得出因果关系结论的过程，是研究如何更加科学地识别变量间的因果关系（Causality）。在因果关系中，原因对结果负有部分责任，而结果又部分取决于原因。客观事物普遍存在着内在的因果联系，人们只有弄清事物发展变化的前因后果，才能全面地、本质地认识事物。基干事物发展的这种规律，在论证观点时，有时就可以直接从事物本身的因果关系中进行推论，这就叫因果推理法。几十年来，因果推理一直是统计学、计算机科学、教育学、公共*策和经济学等许多领域的重要研究课题。
为了解决观测数据因果推断中的这些问题，研究人员开发了各种框架，包括潜在结果框架（thepotentialout
