因果学习算法的评估方法与度量

便捷地获取海量多面数据已促使机器学习研究者重新思考基于相关的学习，并拥抱基于因果的学习机遇，即因果机器学习（因果学习）。因此，近年来人们大力开发因果学习算法，旨在助 AI 达到人类水平的智能。由于缺乏真值数据，当前因果学习研究的最大挑战之一是算法评估。这在很大程度上阻碍了 AI 与因果推断的交叉融合，并使两领域难以从彼此进展中受益。为从常规因果推断（即基于统计方法）过渡到利用大数据进行因果学习（即因果推断与机器学习的结合），本综述采用类似于常规机器学习的评估流程，回顾了因果学习常用数据集、评估方法与度量。我们聚焦于两项基础因果推断任务与因果感知机器学习任务。文中亦讨论了当前评估流程的局限。我们随后考察了流行的因果推断工具/包，并以前景与挑战作结，探讨大数据时代因果学习算法基准化的主要挑战与机遇。本综述力求凸显建立公开基准与基于观测数据的因果学习评估共识标准的紧迫性。借此，我们希望拓宽讨论并促进协作，以推动因果学习的创新与应用。