因果发现(Causal Discovery)是这样一个过程:从数据出发,自动推断出各个变量之间谁是谁的原因,以及因果影响沿哪条路径传递;结果通常表示成一张有向图(causal graph,因果图)。
它和“拟合一个预测模型”差在哪
先看一个老例子:冰淇淋销量和溺水人数高度相关。预测模型学会这条相关性后,夏天一到就能“预测”溺水人数上升,但它给出的行动建议是错的:下架冰淇淋救不了人。因果发现要追问的是:是不是有一个共同原因(气温)同时推高了这两者?把气温作为一个节点放进图里,冰淇淋→溺水这条虚假的边往往就会消失。
用技术语言说:监督学习拟合的是 P(Y|X),也就是“看到 X 时 Y 长什么样”;因果发现想恢复的是数据背后的生成机制,即哪些变量是原因、哪些是结果、哪些只是混淆项(confounder)。它输出的不是一条预测线,而是一张能回答“如果我去动 X,Y 会怎样”的结构图。
为什么这件事很难
难在观测数据本身信息不够。多张不同的因果图可以产生完全相同的条件独立性(conditional independence)关系,这些图被归为同一个马尔可夫等价类(Markov equivalence class)。只盯着数据看,X→Y 和 Y→X 往往分不开。要确定方向,得额外加假设,比如“没有未观测的混淆变量”“关系是线性的且噪声非高斯”“噪声是可加的”;更可靠的办法是动手干预——做 A/B 实验或随机对照试验(randomized controlled trial,RCT),这是最强的方向信号。所以因果发现的产出应被当成“待验证的假设”,不宜当成真理。
几条主要路线
| 路线 | 直觉 | 主要依赖 |
|---|---|---|
| 基于约束(constraint-based,如 PC 算法) | 从条件独立性检验出发,删掉不该存在的边,再确定方向 | 独立性检验是否可靠 |
| 基于评分(score-based,如 GES) | 给每张候选图打分,在图的搜索空间中寻找最合适的图 | 评分准则与搜索策略 |
| 函数因果模型(如 LiNGAM、加性噪声模型 ANM) | 看“原因 + 独立噪声”能否解释“结果”,方向反过来就解释不通 | 噪声分布假设是否成立 |
和相邻概念的区别
因果推断(causal inference)通常默认因果图已经画好,重点在估计效应大小,比如某次改版的平均处理效应(average treatment effect,ATE)。因果发现解决的是它前面那一步:图还不知道,先把它学出来。两者是上下游关系,常配合使用。
对实际工作的意义
- 做增长和运营:分清“伴随指标”和“真正的抓手”,别把预算砸在只跟着涨落的数字上。
- 做运维和风控:从一堆告警里定位上游根因,而不是逐个灭火。
- 做模型:把结构先验引入模型,让它在数据分布变化时更稳、更好解释。
- 底线:领域知识要参与其中。算法给出候选结构,业务经验和实验负责裁决。
