我非常关注这个领域，但我认为这个子领域太新了，还没有教科书。

但是，有一些课程视频相当不错：

1. 机器学习与因果推理：斯坦福短期课程（随附教程）
2. 芝加哥大学经济学机器学习暑期学院 (MLESI21)

还有一篇很好的调查论文： Susan Athey, Guido Imbens 在经济学年度评论中的“经济学家应该了解的机器学习方法”（链接到草稿）

正如 dimitriy 所说，还没有一本单一的教科书（或者至少我知道）。但是，您可以拼凑一些教科书材料来涵盖您提到的主题。

1. 数据科学中的目标学习涵盖了超级学习者（这是一种你几乎总是希望在实践中使用的通用堆叠算法）和目标最大似然估计（有一堆变体）。我认为这本书会比其他有针对性的学习书更受欢迎，因为上面链接的那本书更好地涵盖了机器学习部分
2. Hernan 和 Robins的第 18 章介绍了双重机器学习。

不幸的是，我没有对因果树的推荐

对于最近的工作，请查看2022 年因果学习和推理 (CLeaR)会议。

如果您想开始使用 ML 和因果推理，我特别建议（免责声明：我是合著者之一）查看Kelly, Kong, Goerg (2022)关于“Predictive State Propensity Subclassification (PSPS): A causal数据驱动的倾向评分分层的推理算法”。通过在 Pr（结果 | 治疗，特征）的预测状态空间中学习因果表示，这是一个用于因果推理的完全概率框架。详情见论文。

有关准备就绪的 TensorFlow keras 实施，请参阅https://github.com/gmgeorg/pypsps以及代码示例和笔记本案例研究。