「因果推理」概述论文，13页pdf

因果推理是解释性分析的强大建模工具，它可使当前的机器学习变得可解释。如何将因果推理与机器学习相结合，开发可解释人工智能（XAI）算法，是迈向人工智能2.0的关键步骤之一。为了将因果推理的知识带给机器学习和人工智能领域的学者，我们邀请从事因果推理的研究人员，从因果推理的不同方面撰写了本综述。本综述包括以下几个部分：况琨博士的“平均因果效应评估——简要回顾与展望”，李廉教授的“反事实推理的归因问题”，耿直教授的“Yule-Simpson悖论和替代指标悖论”，徐雷教授的“因果发现CPT方法”，张坤教授的“从观测数据中发现因果关系”，廖备水和黄华新教授的“形式论辩在因果推理和解释中的作用”，丁鹏教授的“复杂实验中的因果推断”，苗旺教授的“观察性研究中的工具变量和阴性对照方法”，蒋智超博士的“有干扰下的因果推断”。

http://www.engineering.org.cn/ch/10.1016/j.eng.2019.08.016