Casual Inference.pdf

Mastering ’Metrics The Path from Cause to Effect

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。 提取模块化结构（Learning modular structures） 反事实推理（Counterfactual） 平衡因果表示学习 收录了此文补充引用的文章 图灵奖得主Judea Pearl：机器学习的理论局限性与因果推理的七大特性 最后，本.md笔记收录了丁鹏老师的因果推断简介连载文章

Counterfactuals and Causal Inference (第二版) Methods and Principles for Social Research。作者：Stephen I. Morgan, Christopher Winship。作为近年来最热话题之一的因果推断分析，这本书将以前以图结构为本的因果分析框架与更加传统的“Potential Outcomes”框架分别以理论和实例进行深度剖析，同时对这二者进行关联与结合，并对其背后的哲学思维与框架限制进行讨论。此书在美国多个顶级院校采用作为教科书，因果分析中的必备材料。