一句话定义：虚假相关（Spurious Correlation）指两个变量在数据上呈现统计相关，但彼此并没有真实的因果联系，只是巧合、共同原因或数据构造方式造成的假象。
它是怎么产生的：经典例子是，夏天冰淇淋销量上升，溺水人数也上升。两条曲线高度同步，但吃冰淇淋并不会导致溺水，真正的推手是“气温升高”这个同时影响两者的第三因素，也就是混杂变量（confounder）。另一种情况是无中生有：在同一堆随机数据里反复搜索，总能找到两条走势相似的曲线，比如某只股票和某个毫不相干的自然现象同步涨跌。样本足够多、尝试足够多次，这种巧合几乎必然出现。
模型为什么会学到它：机器学习模型做的事本质上是拟合相关性（correlation）：它优化的目标是“给定输入 x，预测 y 的误差最小”，而从不追问“为什么”。训练数据里只要存在混杂变量、数据泄漏（data leakage）或时间趋势，模型就会把这些捷径（shortcut）当成规律记下来。举例来说，训练一个识别皮肤病变的模型，如果阳性样本大多来自某台特定设备，模型很可能学的是“这台设备留下的成像特征”，而不是病灶本身；换一家医院就失灵了。
和相邻概念的区别：
| 概念 | 是什么 | 典型表现 |
|---|---|---|
| 真实因果 | x 的变化确实引起 y 变化 | 干预 x，y 跟着变 |
| 虚假相关 | 统计上相关，但没有因果 | 换个数据分布就失效 |
| 过拟合（overfitting） | 模型记住了训练集的细节和噪声 | 训练集表现好、测试集差 |
| 混杂变量 | 同时影响 x 和 y 的第三因素 | 控制它之后相关性消失 |
需要注意的差别是：过拟合是模型自己的问题，换模型、加正则化往往能缓解；虚假相关是数据本身给出的错误线索，模型再换也躲不掉，只能回到数据采集和实验设计上去解决。而虚假相关和随机噪声也不同：噪声是杂乱波动，虚假相关却有稳定模式，在训练集上甚至能反复“复现”，因此更具迷惑性。
实际意义：对从业者来说，遇到高相关特征先问三件事：有没有共同原因？数据采集过程是否人为制造了这种关联？换个时间段、换一批样本，相关性还在吗？特征工程优先保留有机制解释的变量，业务决策把相关性当线索而不是结论。对普通人来说，看到“数据显示 A 和 B 高度相关”的说法，不妨先想一想：是不是有第三个因素在背后同时推动两者，以及这个结论是不是只在特定条件下才成立。