●中文版序
推薦者序
譯者序
我為什麼寫這本書：回顧與期望
第2版前言
第1版前言
第1章 概率、圖及因果模型
1.1 概率論概述
1.1.1 為什麼學習概率
1.1.2 概率論的基本概念
1.1.3 預測支持與診斷支持結合
1.1.4 隨機變量與期望
1.1.5 條件獨立與圖
1.2 圖與概率
1.2.1 圖的符號與術語
1.2.2 貝葉斯網絡
1.2.3 d-分離準則
1.2.4 貝葉斯網絡推斷
1.3 因果貝葉斯網絡
1.3.1 用於干預諭言的因果網絡
1.3.2 因果關繫及其穩定性
1.4 函數因果模型
1.4.1 結構方程
1.4.2 因果模型中的概率預測
1.4.3 函數模型中的干預與因果效應
1.4.4 函數模型中的反事實
1.5 因果與統計術語
第2章 因果關繫推斷理論
2.1 簡介：基本直覺
2.2 因果發現框架
2.3 模型偏好（奧卡姆剃刀原則）
2.4 穩定分布
2.5 獲取DAG結構
2.6 重建潛在結構
2.7 因果關繫推斷的局部準則
2.8 非時間因果與統計時間
2.9 結論
2.9.1 關於極小性、馬爾可夫性和穩定性
第3章 因果圖與因果效應識別
3.1 簡介
3.2 馬爾可夫模型中的干預
3.2.1 作為干預模型的圖
3.2.2 干預作為變量
3.2.3 計算干預效應
3.2.4 因果量值的識別
3.3 控制混雜偏差
3.3.1 後門準則
……
第4章 行動、計劃和直接效應
第5章 社會學和經濟學中的因果關繫與結構模型
第6章 辛普森悖論、混雜與可壓縮性
第7章 結構化反事實的邏輯
第8章 不完美實驗：邊界效應和反事實
第9章 因果關繫概率：解釋和識別
第10章 實際原因
第11章 對讀者的回應、闡述和討論
在大數據時代中需要突破“所有知識都來自數據關聯”這一框架，亟需因果關繫範式融合領域知識、常識約束的問題研究，本書就描述了這樣一種體繫，介紹了因果關繫分析和推斷的思想和方法，其中包括do-操作、反事實、原因的充分性與必要性、特異原因、實際原因等內容。“因果性的研究經歷了一次重要的轉變：從一個被神秘面紗籠罩的概念轉變為一個具有明確語義和邏輯基礎的數學對像。”在下一個十年裡，這個框架將與現有的機器學習繫統相結合，從而可能引發“第二次因果革命”。 本書第1版曾獲2001年拉卡托斯獎，作者朱迪亞·珀爾是2011年圖靈獎得主。本書的出版將有利於中國的廣大學者、學生和各領域研究人員了解和掌握因果模型、推理和推斷相關的內容，在相關領域做出優異的成果。
