我理解的因果推断

  最近一段时间看了很多博主写的因果推断方面的博客，觉得有必要按照自己的理解整理一下，当作自己的一个总结工作吧。

1. 什么是因果推断

  因果推断就是推断X与Y是否存在因果关系。因果关系与相关关系不同，相关关系是X与Y关联的一种浅层关系，比如，通过机器学习拟合x的函数f(x)，然后根据预测值f(x)与真实值Y之间的差距对模型参数进行优化。但有一个问题：如果X不是导致Y变化的原因，即便模型可以很好地拟合，但是模型的泛化能力会很好吗？
  举一个例子。现在有一堆冰淇淋销量的数据X，游泳死亡人数的数据Y，如何你用机器学习拟合，会发现X与Y存在某种正向的相关的关系，于是你得出结论：冰淇淋卖的越多，游泳死亡人数越多。很扯对不对？这是因为你忽略了“夏天”这个混淆因子。