科研之友
微信
新浪微博
Facebook
分享链接
摘要
因果和因果关系是人类理解和描述自然与社会现象,构建科学知识体系的核心概念,近年来频频出现在人工智能的教材中,在数据分析、机器学习、人工智能等研究领域以及计量经济学、健康医学、政策制定等应用领域受到越来越多的关注。但是与其他教学内容有所不同的是,学习因果关系会更多地涉及哲学层面一些基本内容,从不同的基本原则和思维定式出发,对于因果关系会有不同的理解和结论,从而形成不同的流派。因此在因果关系的教学中,必须清晰地阐明所约定的先验性原则和假设。也就是说,需要关注其中明确的思维取向。目前在研究生和本科生教学中所采用的相关教材大多包含以图灵奖获得者Pearl为主发展起来因果分析理论和技术。本文主要根据Pearl的两本著作Causal Inference in Statistics,A primer和Model,Reasoning,and Inference (Second Edition)的内容,对于因果关系学习中需要注意的思维形式和基本假设,以及与此相关的一些概念问题,进行较为深入的讨论、解释和评论,澄清其中容易混淆的地方,以此掌握好因果关系分析的理论实质和计算要义。
- 单位
