您所指的论文实际上陈述了以下直觉：

算法 1 估计$E[f(X)|do(X_S = x_S )]$通过递归地遵循决策路径$x$如果拆分功能在$S$，如果没有分割特征，则取两个分支的加权平均值$S$.

这似乎是对arxiv 1706.06060中原始描述的轻微修改：

对于树模型$E[f(x) | x_S]$可以使用算法 1 递归估计，其中$v$是节点值的向量，它取值 $internal$对于内部节点。向量$a$和$b$表示每个内部节点的左右节点索引。向量$t$包含每个内部节点的阈值，并且$d$是用于在内部节点中分割的特征的索引向量。向量$r$ 表示每个节点的覆盖（有多少数据样本落在该子树中）。

我相信$S$是 N 个特征的所有子集的集合中的一项。