为什么
读书评论：
-
ash09-22读君一本书，胜读五年书
-
Prunus d07-17还是蛮有启发的一种方式，用因果图来解释各种有趣的哲学和悖论问题可以有新启发。对于混杂因子和中介因子也有挺好的解释。但最后也没怎么说机器学习究竟是什么问题以及怎么解决，中心思想大概是机器可能学不会这套吧（哈哈哈哈
-
宇晨04-01非常推荐！非常推荐！非常推荐！现在基于统计和联结主义的人工智能要想突破瓶颈，私以为应该更好地结合知识表示和因果推理。
-
Raindog01-19有一定难度，所谓“原因”就是“如果不这样的话则‘结果’不会发生”的思路还挺深刻的。
-
▽○▽08-22关于因果推断的实例引人入胜，提供了因果框架的分析思路，夹杂着幽默风趣的学术八卦（对不起小小地黑了Rubin一下）。Pearl认为，思维比数据更聪明，在分析问题时需要借助主观判断的因果图，而不是一味的数据驱动。只有让计算机实现从预测到干预再到反事实的上升，才有可能制造出强人工智能。
-
世界最酷08-10这本书关于因果讨论可分为两个部分，第一部分注重思想层面的探讨，主要用的是案例和因果图示法，这部分内容值得反复研读，是非常好的思维训练，如果能完全摸透作者这套方法论，对于涉及因果的问题的理解会有质的飞跃。第二部分是作者对技术处理层面的探讨，当然对学术来说这部分很重要，但是普通读者看懂比较困难，但即便忽略所有这些内容，也不影响阅读和吸收这本书的核心内容。当然，作为一本综述性的著作，作者穿插了大量因果理论发展的历史，以及他自己的学术生涯经历，也颇有可看性，且趣味十足。如果你想对因果关系和相关关系有透彻的理解，亦或是想对学术领域成果（涉及因果的结论）有更佳的判断力，那么这本书非常值得一读，特别是作者这套因果图工具，堪称经典。/Moon
-
BUYER01-12说实话，没有完全看懂就给一本书评价不太公平。但就我的感受来说，作者提出了一条和机器学习、深度学习理念不同的路，其中“因果”初衷我认可，但是方法怎么看都像是贝叶斯的延伸。或者说因果论的箭头就是这样?！那不是又回到老路上去了吗？ 为了学习自动驾驶，是不是得分析上万种不同情况的因果关系和逻辑顺序？ 书中举的例子可都是简单的因果分析啊。深度学习的成果太耀眼了，但也逐渐让我担忧，能够走多远。这本书的理论价值在新药研究等领域值得推广和进一步研究，未来再看结果。对我来说目前最大启发是理解了统计学的一些悖论和误区（也可能这部分是我唯一容易理解的，哈哈）。另外这本书语言有点啰嗦啊，看上去好累，个人意见
-
也者乎之09-08本来以为是讲讲DAG这一套，没想到是本不错的统计学历史，对Monty Hall，吸烟和肺癌，Pearson、Neyman和Fisher的故事回顾得都很好……
-
紫小月07-21这书读起来比推理小说还有劲：数学、科学、博弈论、科学史……太有意思了
-
阿道克03-04科普+综述+老科学家回忆录，千万别当成教科书
-
阿米多特.03-21Pearl的邏輯基本是這樣的：怎麼解決因果問題呢？用我的do算子，用我的因果圖。怎麼畫因果圖呢？你需要先有個模型。模型怎麼來呢？不告訴你，反正就是有個模型。問題在於科學研究大部分時間是沒有那麼精細的預設模型的，不知道潛在的混雜因子有什麼，更別談該如何處理混雜因子了。沒有模型，因果圖和do算子就沒用。Pearl這本書中提出的大部分理論方法根本不適用於當今大部分科學研究，但用來對過去的研究進行回顧性的審視還是有一點用的。本來想給三星，但想而又想，覺得還是需要勸退一下：這本書用了400頁的篇幅，講了一個50頁就能講明白的東西。剩下的350頁就是「好可惜啊以前的人居然不用因果圖，唉」和「大家來看我懂的例子有多少！」
-
amelia03-12打算当成一本科普畅销书来看，没想到是一本真正的科学思考书籍，对于逻辑、数学有一定基础要求。因果还是相关？这个我们曾直接接受的选项在本书中受到了质疑，固然有王婆卖瓜之嫌，但是对于do因子、非扰动因素、反事实假设、几种悖论的论述还是非常有意思，值得思考的。畅销书某种意义上让读者爽，反复用一本书，各个有点鸡汤的例子来说明一两个简单的道理；而真正有价值的书籍往往信息密度大，恨不得一本书里塞上一千个、一万个值得读者思考的点，而且不是那种能直接接受或质疑的点，是必须反复咀嚼、配合多个问题来回答的点。这本书提到的很多思维方式适合常常翻阅，刺激自己的大脑。
-
吴焚舟08-12非常好看，讲述了因果推断这一个相当新的领域，而且作为一个学统计的，这里面的概念简直是mind-blowing
-
云游骑士07-27离开因果关系谈论数据是舍本逐末。珀尔的这本书不愧为"因果革命"的一面旗帜，值得细心品味。
-
Eigentlichkeit07-22物理定律只用统计概率规律描述因果，P(Y | do(X)) > P(Y). 如果你单方面对 X 做一个干预动作，导致 Y 的概率增加，就是 X 导致了 Y。因果思维这种主观假设很有用。简单因果模型，就能胜过无数经验。数据是客观的，而人的观点是主观的。相关性是客观的，因果是主观的。因果分析的重点在于操作方法是否有用而不是本体是否真实。真实世界任何事情都是错综复杂的，无法列举影响一个结果的所有可能缘故。你必须做出各种取舍，猜测你认为最重要的缘故。贝叶斯方法先给理论假设设定可信度。新证据并不直接证实或者证伪理论，只是调整可信度的大小，做动态的判断。用客观数学手段修正主观认识。贝叶斯方法是种实用主义态度。研究目的并非了解根本不可知的绝对真实世界，而要获取实用知识，做出尽可能准确的判断和决策。
-
随遇而安12-08厉害大了，搞清因果机制是社会科学想追求的目标，却还处于一片混沌，这本书好像又让世界清亮了些。另外，此书某个二星评价差点让我笑喷，他的评价就让我想到那种对你的研究完全不懂的答辩专家，给你提问题时只会说：“你的ppt格式做的不规范！差评！”
-
∞08-01本书关于因果关系模型的概念，基本可打开知乎搜索因果模型点开第一个搜索结果获得；举了不少例子，但切合主题能在作者限定框架下成立的没几个；序言写得又宽泛又浮夸，以为这是什么了不得的划时代巨作，但看到文中“历史学家尤瓦尔·赫拉利在他的《人类简史》一书中指出，人类祖先想象不存在之物的能力是一切的关键，正是这种能力让他们得以交流得更加顺畅”这段话差点笑喷，初中毕业的人都知道人类无法想象自己未曾见过的、不存在的事物，不然为啥上帝总是以人类形象出现、飞机总像张开翅膀的鸟啊。不过有一点是真的，不了解因果关系的人阅读本书会感到非常吃力，与作者写作水平无关，与概念本身有关。Ps.不知是原文如此还是翻译错误，作者写“我们不是神创论者，连我们的老师骨子里都是达尔文主义者”，达尔文主义者是这么用的？大写的迷惑。
-
心若无涯07-13无论客观世界存不存在因果关系，每个人主观上都离不开因果这个思考方式