2026年机器学习工程师因果推断方法面试题(含答案与解析).docxVIP

2026年机器学习工程师因果推断方法面试题(含答案与解析)

请简述因果推断的核心目标，并说明其与相关性分析的本质区别。

答案：因果推断的核心目标是识别变量间的因果关系（即“X是否导致Y”），并量化这种因果效应的大小（如平均处理效应ATE）。其与相关性分析的本质区别在于：相关性仅描述变量间的统计关联（X与Y同时变化），但无法排除混杂因素（Z同时影响X和Y）、反向因果（Y导致X）或巧合关联的干扰；而因果推断通过设计（如随机实验）或统计方法（如控制混杂、识别工具变量），在假设条件下剥离非因果关联，得到X对Y的真实因果效应。

解析：例如，观察到“冰淇淋销量”与“溺水人数”高度相关，但实际是“气温”同时影响两者。相关性分析只能发现这一关联，而因果推断需通过控制气温（混杂变量）或设计随机实验（如随机分配高温天是否销售冰淇淋），才能确定冰淇淋销量对溺水人数无直接因果效应。

请解释潜在结果框架（Rubin因果模型）的基本假设，并说明“因果效应不可直接观测”的根本原因。

答案：潜在结果框架的核心假设包括：（1）个体处理稳定性假设（SUTVA）：每个个体的潜在结果仅受自身处理状态影响，与其他个体的处理状态无关（无干扰），且处理变量只有两种状态（如0/1）；（2）可忽略性（Ignorability）：处理分配（D）独立于潜在结果（Y(1),Y(0)），即P(D|Y(1),Y(0),X)=P(D|X