【因果推断】【Introduction to Causal Inference from a Machine Learning Perspective】从机器学习的角度介绍因果推断 前言

先决条件 有一个主要的先决条件：基本概率。本课程假设你已经学习了概率导论课程或有同等的经验。统计学和机器学习的主题会不时出现在课程中，因此熟悉这些主题会有所帮助，但不是必需的。例如，如果交叉验证对你来说是一个新概念，你可以在书中出现的地方相对较快地学会它。我们还介绍了一些统计术语，我们将在第2.4节中使用这些术语。

主动阅读练习 研究表明，记忆材料的最佳技巧之一是主动尝试回忆你最近学过的信息。你会在整本书中看到“主动阅读练习”来帮助你做到这一点。他们将被“积极的阅读练习"标记：标题。

这本书里的许多图表 正如你将看到的，这本书里的图表多得离谱。这是故意的。这是为了给你尽可能多的视觉直觉。我们有时会复制相同的数字、方程式等。你可能在前面的章节中看到过，这样我们就可以确保这些图表总是在引用它们的文本旁边。

给我发送反馈 这是一本书的草稿，所以我非常感谢你愿意给我发送的任何反馈。如果你不确定我是否会接受，那就不要。请将任何反馈发送到 bradyneal11@gmail.com，并在您的电子邮件主题开头注明“【因果书】”。反馈可以是单词级别、句子级别、章节级别、章节级别等。以下是有用反馈类型的非详尽列表：

书目注释 虽然我们尽最大努力引用相关结果，但我们不想通过挖掘每个概念的确切来源来扰乱材料的流动。在这本书的最终版本中会有完整的书目注释部分，但它们要到课程结束后才会出现。