机器学习中的因果推理机制 (0) -- 引言_pearl casuality

由于毕设选题为 《复杂场景下的目标检测及其因果推理》，其与 casual inference, machine learning, object detection, knowledge system 等相关，复杂场景下目标检测之前做过比较多的研究，因而接下来回重点关注下机器学习中的因果推理机制及其在视觉领域中的应用。

总体来说，目前因果推理的认知与建模仍处于百家争鸣状态，最经典的莫过于Judea Pearl 的 “Casuality”, 但是我曾拜读过，除了沿用了一些 Casual Diagram 相关的内容还可以继承，其他的内容太偏向于哲学，比较晦涩难懂，此外还有很多R.A. Fisher, J. Neyman 等大师关于研究因果关系模型的论辩，因此总的来说当前因果推理本身并没有形成一套体系与规范。此外，机器学习中的因果推理机制的研究则是完完全全的起步阶段，能够参考的比较有价值的资料并不多，因此在此系列专栏中，我将会融汇一些个人的研究成果以及思想来进行相关理论的说明与诠释，并重点关注其如何在机器视觉领域的应用，如有缺漏，欢迎读者进行批评指正。此博客为奠基文，之后将进行持续不断的更新，以期能够有比较大的收获。