统计学习及其结果目前在社会科学中普遍存在。几个月前，Guido Imbens 说：“LASSO 是新的 OLS”。
我学了一点机器学习，我知道它的主要目标是预测。我也同意 Leo Breiman 对两种统计文化的区分。因此，在我看来，因果关系在某种程度上与预测相反。
考虑到科学通常试图识别和理解因果关系，机器学习对这个目标有用吗？特别是LASSO在因果分析方面有哪些优势？
是否有研究人员（和论文）解决了这些问题？
使用 LASSO 进行因果分析的优缺点是什么？
机器算法验证
机器学习
套索
因果关系
2022-03-19 13:57:53
1个回答
我不知道所有这些，我敢肯定，所以我希望没有人会介意我们采用这种 wiki 风格。
一个重要的问题是 LASSO 是有偏见的（来源，Wasserman 在讲座中，抱歉），虽然在预测中可以接受，但在因果推理中是一个问题。如果你想要因果关系，你可能想要它用于科学，所以你不只是试图估计最有用的参数（奇怪地发生了很好的预测），你试图估计 TRUE(!) 参数。
其它你可能感兴趣的问题