因果学习方法和应用概述.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2024，60（24）1

⦾热点与综述⦾

因果学习方法和应用概述

12112

龙享福，李少波，张仪宗，杨磊，李传江

1.贵州大学机械工程学院，贵阳550025

2.贵州大学省部共建公共大数据国家重点实验室，贵阳550025

摘要：机器学习是人工智能和数据科学的核心所在，被广泛应用于教育、交通运输和制造业等领域；随着机器学习

的发展及应用领域的延伸，模型在可解释性和公平性等方面显现了一些需要解决的问题。因果学习作为一种将因

果关系和机器学习技术相结合的方法，可以增强模型的可解释性，解决公平性等问题，其研究已逐渐成为学术界的

热点。因此，在介绍因果学习的相关理论知识的基础上，根据因果学习所能解决的问题对因果解释、因果监督学习、

因果公平、因果强化学习等技术进行了全方位的分析概述；从多角度归纳了因果学习在医学、农业和智能制造等领

域的应用。最后，总结了因果学习存在的一些开放性问题和挑战，并给出了未来的研究方向，旨在推动因果学习的

不断发展。

关键词：机器学习；因果关系；因果学理论；因果模型；因果学习技术；因果学习应用

文献标志码：A中图分类号：TP181doi：10.3778/j.issn.1002-8331.2405-0407

OverviewofCausalLearningTechniquesandApplications

12112

LONGXiangfu,LIShaobo,ZHANGYizong,YANGLei,LIChuanjiang

1.SchoolofMechanicalEngineering,GuizhouUniversity,Guiyang550025,China

2.StateKeyLaboratoryofPublicBigData,GuizhouUniversity,Guiyang550025,China

Abstract：Machinelearningisthecoreofartificialintelligenceanddatascience,andiswidelyusedineducation,trans-

portationandmanufacturing.Withthedevelopmentofmachinelearningandtheextensionofapplicationfields,themodels

haverevealedsomeproblemstobesolvedintermsofinterpretabilityandfairness.Causallearning(CL),asamethodcom-

biningcausalityandmachinelearningtechniques,canenhancetheinterpretabilityofthemodelandsolvetheproblemsof

fairness,anditsresearchhasgraduallybecomeahotspotintheacademicworld.Therefore,basedontheintroductionof

therelevanttheoreticalknowledgeofCL,thetechniquesofcausalexplanation,causalsupervisedlearning,causalfairness,

andcausalreinforcementlearningarefirstlyanalyzedandoutlinedinanall-roundwayaccordingtotheproblemsthatcan

besolvedbyCL.Secondly,theapplicationsofCLint