因果推理本质属于统计学范畴，并试图从根源上对基于相关性的统计学进行改革。当年诞生统计学科时就发生过分歧，因果被压下去了。直到最近，基于相关性的统计方法几乎发展到尽头，人工智能进一步发展，目前的统计工具已经难以支撑，学界这才重新回头开始发展因果推理。
本人将开设因果推理专题研讨，试图从综述到技术细节逐步展开研究。专题框架如下：
- 综述1：传统因果推理
- 综述2：因果推理与机器学习的关系
- 技术细节1：原因效果模型及其学习方法
- 技术细节2：利用机器学习自动学习原因效果模型
- 技术细节3：多变量因果模型及其学习方法
- 技术细节4：利用机器学习自动学习多变量因果模型
- 技术细节5：关于隐变量的问题
- 技术细节6：时间序列问题
- 技术细节7：通过表征学习发现因果变量
- 技术细节8：因果表征学习
- 技术细节9：与元学习的关系
- 技术细节10：与基于模型的强化学习的关系
- 技术细节11：利用因果概念加强机器学习泛化能力
- …
技术细节目前为初定，代表了因果推理的发展方向，随着研究深入会做进一步调整。
专题讨论将采用“中文口述+英文幻灯片”的方式，采用英文幻灯片有助于为该领域的文献阅读提供基础。
http://deepbodhi.club/wp-content/uploads/2022/11/01-Overview-of-Traditional-Causal-Inference.pdf
原文地址：http://www.cnblogs.com/deepbodhi/p/16911756.html
1. 本站所有资源来源于用户上传和网络，如有侵权请邮件联系站长！
2. 分享目的仅供大家学习和交流，请务用于商业用途!
3. 如果你也有好源码或者教程，可以到用户中心发布，分享有积分奖励和额外收入！
4. 本站提供的源码、模板、插件等等其他资源，都不包含技术服务请大家谅解！
5. 如有链接无法下载、失效或广告，请联系管理员处理！
6. 本站资源售价只是赞助，收取费用仅维持本站的日常运营所需！
7. 如遇到加密压缩包，默认解压密码为"gltf",如遇到无法解压的请联系管理员！
8. 因为资源和程序源码均为可复制品，所以不支持任何理由的退款兑现，请斟酌后支付下载
声明：如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性
