汇总一些【因果推断】方面的学习资料

最近看了下《原因与结果的经济学》并且结合硕士期间关于相关性与因果的思考，感觉这个 因果推断（causal inference）似乎挺有意思的。

基于数据分析的特性，我把目前因果推断方面的研究分为四大类

常见（或高产）的应该是“基于某领域的理论研究” 和 “基于某领域的应用研究”，至于第四种（“未聚焦领域的应用型研究”）因为商业性的问题应该较难找到公开案例。

后续也打算站在小白/门外汉的角度深入了解下，记录下遇到的学习资料。（持续更新…）

网文

博客

• Emre Kiciman @Microsoft
• Amit Sharma @Microsoft

二位似乎一起搞了个网站：Getting Started with Causal Inference，里面有正在写的书：Causal Reasoning: Fundamentals and Machine Learning Applications 以及一些课程之类的

• Yishi Li @Tencent

• 统计之都

• Brady Neal，有篇从需求出发选择读物的文章

  

知乎

• 因果推断会是下一个AI热潮吗？

Github

• amit-sharma / causal-inference-tutorial
• Paper_CausalInference_abtest

书籍

• 《原因与结果的经济学》

• 《别拿相关当因果！因果关系简易入门》（Why: A Guide to Finding and Using Causes）

• JUDEA PEARL. 《为什么》（THE BOOK OF WHY: THE NEW SCIENCE OF CAUSE AND EFFECT）

• JUDEA PEARL. Causality: Models, Reasoning, and Inference

• JUDEA PEARL. Causal Inference in Statistics: A Primer

• Donald B. Rubin. Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction

• Brady Neal. Introduction to Causal Inference

• Hernán MA, Robins JM. Causal Inference: What If，以及书中对应的Python-code

工具包

• Uber-Causal ML: A Python package that provides a suite of uplift modeling and causal inference methods using machine learning.

• Microsoft-EconML: A Python package for estimating heterogeneous treatment effects from observational data via machine learning.

• Microsoft-DoWhy: A Python library that aims to spark causal thinking and analysis.

• CausalDiscoveryToolbox: A package for causal inference in graphs and in the pairwise settings