# 因果推断基础

先举个例子：啤酒和尿布经常同时被购买。原因是两者的买家都是年轻的男性。但是推荐系统无法看到买家信息。那么如何判断啤酒和尿布之间是否有因果关系呢？

因果推断的主内容如下：

• 技术：
  1. Potential Outcome Framework
  2. Structure Casual Model
• 问题：
  1. Causal Effect Estimation
  2. Causal Discovery 因果发现

# Potential Outcome Framework (潜在因果框架)

最早起源于医疗领域。一个问题是一个三元组，包括：

• Unit: A unit is the atomic research object in the casual study.
• Tratement:
• Outcome: 用药的结果。

Treatment effect: 用药的结果。

这里认为 potential outcome 是一种客观存在。在所有平行世界中，存在不同的结果。但是我们只能看到其中一个结果，即 Observed Outcome. 因此，我们无法判断一个结果是否是因果。

# Structure Casual Model

Judea Pearl 将因果分为三个层次：

1. Association
2. Intervention
3. Counterfactual