因果论文精读与总结（一）

本文重点梳理从因果树到因果森林、再到广义随机森林，正交随机森林，其中不乏涉及相关论文的精读推导.

1. 因果树

1. 定义：处理效应的均方误差
   1. 公式：

      

   2. 核心点："诚实"估计，honest approach
   3. 定义：①原来的树方法，使用训练样本训练出模型以后，我们用训练样本上各个子集的样本均值做为估计值，然后使用该估计值在测试集（test set）上计算MSE来判断模型的好坏；②修改后的计算方法，将训练样本切割成两部分，一部分仍是训练样本（train set），另一部分是估计样本（estimate set），即在训练样本上训练模型，模型训练好以后放到估计样本上计算估计值，最后使用该估计值在测试集上计算MSE来判断模型的好坏。
   4. 文章亮点：
      1. 改为诚实方法: 修改了MSE的表达式, 标准的Rubin因果框架假设样本个体间不存在相关性（SUTVA），保住了此假设.
      2. 修改了均方误差的计算方法。