因果性是理解和应用数据的核心，如果无法从数据中获知因果关系，则甚至无法回答诸如“治疗方案对患者有益还是有害”这类基本问题。虽然现在有很多关于数据分析统计方法的教科书，但到目前为止还没有适合初学者水平的书，介绍如何从数据中快速梳理因果信息的各种方法。 本书弥补了这种缺憾。书中使用简单的实例与朴实的语言介绍了如何定义因果关系，在各种情形下估计因果参数所必需的假设，如何数学化地表示这些假设，这些假设是否有可检测的蕴涵，如何预测干预的效应，以及如何进行反事实推理等。这些都是有兴趣用统计方法回答因果问题的读者需要掌握的基本工具。 本书适用于对解释数据感兴趣的任何读者，该书的实例来自不同领域，涵盖医学、公共政策以及法律等。

因果性是理解和应用数据的核心，如果无法从数据中获知因果关系，则甚至无法回答诸如“治疗方案对患者有益还是有害”这类基本问题。虽然现在有很多关于数据分析统计方法的教科书，但到目前为止还没有适合初学者水平的书，介绍如何从数据中快速梳理因果信息的各种方法。 本书弥补了这种缺憾。书中使用简单的实例与朴实的语言介绍了如何定义因果关系，在各种情形下估计因果参数所必需的假设，如何数学化地表示这些假设，这些假设是否有可检测的蕴涵，如何预测干预的效应，以及如何进行反事实推理等。这些都是有兴趣用统计方法回答因果问题的读者需要掌握的基本工具。 本书适用于对解释数据感兴趣的任何读者，该书的实例来自不同领域，涵盖医学、公共政策以及法律等。

《因果推理：基础与学习算法》从概率统计的角度入手，分析了因果推理的假设，揭示这些假设所暗示的因果推理和学习的目的。本书分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系，讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。    《因果推理：基础与学习算法》可作为高等院校人工智能和计算机科学等相关专业高年级本科生和硕士研究生的教材，也可供研究机器学习、因果推理的技术人员参考。

《因果推理：基础与学习算法》从概率统计的角度入手，分析了因果推理的假设，揭示这些假设所暗示的因果推理和学习的目的。本书分别论述了两个变量和多变量情况下的因果模型、学习因果模型及其与机器学习的关系，讨论了因果推理隐藏变量有关的问题、时间系列的因果分析。    《因果推理：基础与学习算法》可作为高等院校人工智能和计算机科学等相关专业高年级本科生和硕士研究生的教材，也可供研究机器学习、因果推理的技术人员参考。

《费曼讲物理入门》既可以作为非理工读者学习物理的入门书，也可以作为了解费曼的入门书。诺贝尔奖获得者费曼用自己的方式，重新发明了差不多整套物理学。费曼得过诺贝尔物理学奖，称得上20世纪是伟大的物理学家之一，并且当仁不让是科学家中的大玩家。他不仅玩物理学，还玩舞蹈、玩裸体画、玩玛雅人的天文学、玩锁、玩收音机、玩化学配方，读中学时就用整套自己发明的符号玩三角学。他是将玩与创造高度统一起来的人；他给大学低年级生讲课，就把这种创造性的玩法搬上了黑板，纪录下来，就成了一套独一无二的《物理学讲义》。

《费曼讲物理入门》既可以作为非理工读者学习物理的入门书，也可以作为了解费曼的入门书。诺贝尔奖获得者费曼用自己的方式，重新发明了差不多整套物理学。费曼得过诺贝尔物理学奖，称得上20世纪是伟大的物理学家之一，并且当仁不让是科学家中的大玩家。他不仅玩物理学，还玩舞蹈、玩裸体画、玩玛雅人的天文学、玩锁、玩收音机、玩化学配方，读中学时就用整套自己发明的符号玩三角学。他是将玩与创造高度统一起来的人；他给大学低年级生讲课，就把这种创造性的玩法搬上了黑板，纪录下来，就成了一套独一无二的《物理学讲义》。

保罗•R.罗森鲍姆（Paul R. Rosenbaum）是世界著名统计学家、费希尔讲席奖和斯尼德克奖双料得主，倾向得分方法提出者，宾夕法尼亚大学沃顿商学院统计与数据科学罗伯特•G.普策尔（Robert G. Putzel）名誉教授。他出版了《观察与实验：因果推断导论》、《观察性性研究的设计》、《观察研究》以及《观察研究中的复制与证据因素》等著作。

保罗•R.罗森鲍姆（Paul R. Rosenbaum）是世界著名统计学家、费希尔讲席奖和斯尼德克奖双料得主，倾向得分方法提出者，宾夕法尼亚大学沃顿商学院统计与数据科学罗伯特•G.普策尔（Robert G. Putzel）名誉教授。他出版了《观察与实验：因果推断导论》、《观察性性研究的设计》、《观察研究》以及《观察研究中的复制与证据因素》等著作。