高级检索
机器学习的核心任务是从数据中自动地发现相关性信息以便预测未来。目前，大部分机器学习算法都是建立在统计相关性的基础上，这样极大地限制了机器学习的适用范围。因此，需要更进一步考虑统计相关性背后更本质的因果结构。因为因果模型对现实世界中数据的变化更加鲁棒，所以拥有了因果推断能力的机器学习算法可以更好地预测未来。主要讨论因果推断在机器学习各个方面的前沿进展，包括半监督学习、无监督学习、强化学习、迁移学习、元学习、公平学习等，以及它们在各个实际场景中的具体应用。
因果推断
陆超超