人类思维具有将原因与特定事件联系起来的能力,我们不断地联系导致特定效果的事件链。神经心理学将这种认知能力称为因果推理。计算机科学和经济学研究一种特定形式的因果推理,称为因果推理,侧重于探索两个观察到的变量之间的关系。多年来,机器学习产生了许多因果推理的方法,但是在没有A / B测试的情况下这些基于模式识别和相关分析的传统机器学习方法不足以进行因果推理,这导致它们仍然难以在主流应用中使用。最近,微软研究院开源了DoWhy,一个专注因果思考和分析的框架。
就像机器学习库为预测所做的那样,“DoWhy”是一个旨在激发因果思考和分析的Python库。DoWhy为因果推理方法提供了统一的界面,并自动测试了许多假设,从而使非专家可以进行推理。
为什么需要因果推断
与监督学习不同,因果推断取决于对未观察量的估计。预测模型揭示了连接观察数据中输入和结果的模式。但是,为了进行干预,我们需要估计从当前值更改输入值的各种效果,因为没有数据存在。这些涉及估计反事实的问题在决策方案中很常见。
- 它会起有效吗?