【课程名称】

机器学习中的因果推断（Machine Learning for Causal Inference）

【课程说明】

人工智能在促进科学研究范式变革的同时，也在激发新的教学模式。《机器学习中的因果推断》是数实融合与智能决策交叉实验室一个分阶段建设推进的开放课程。现阶段已经更新完成第一期（机器学习基础理论），包括机器学习概论、树类模型、回归类模型、特征工程、经验化调参过程等内容。预计将于2025年上半年推出第二期（因果推断基础原理），包括正确认识条件期望函数、反事实因果识别框架、可观测以及不可观测变量的选择性问题、SUTVA假定、参数方法与非参数方法对比、双向面板数据固定效应模型、双重差分法、Bartik工具变量等内容。2025年下半年则还将继续更新如何使用机器学习算法拓展因果推断的适用边界。

【面向对象】

在第一期机器学习基本原理部分，本课程既详细讲解了机器学习的基本原理，同时也包括了工程化实践过程中的经验和思考。课程讲解十分细致，同学学习结束之后能够对机器学习算法有全面且深刻的了解。本课程适合社会科学专业（经济学、管理学、政治学、社会学、心理学）中对机器学习、因果推断方向感兴趣的同学学习。有基本的高等数学知识即可学习本课程，如果有初步的计量经济学知识，则更有利于快速了解机器学习与社会科学中常用的计量经济学的联系与区别。

【授课老师】

吕斌，上海财经大学公共经济与管理学院/数实融合与智能决策交叉实验室博士研究生，师从郭峰教授，预计2025年6月毕业，主要研究方向为基于机器学习的因果推断、公司金融、文本分析等领域。研究成果已发表于《经济研究》、《数量经济技术经济研究》（2篇）、《金融研究》、ABACUS等中英文学术期刊，另有多篇论文在《管理世界》、《管理科学学报》等期刊返修。担任《数量经济技术经济研究》、Journal of International Financial Management & Accounting等中英文期刊的匿名审稿人。曾获上海财经大学研究生“学术之星”、上海青年经济学者优秀成果一等奖（唯一一项）、全国商科博士生未来学者论坛优秀论文奖、国家奖学金等奖励与荣誉。吕斌博士在完成博士生科研工作之余，也在国内多所经济学知名高校、教学机构、Bilibili开展“机器学习中的因果推断”系列讲座或短期课程，深受听众好评。

【第一期课程大纲】

（机器学习基础理论）

0.1课前准备工作

1.1机器学习概论

2.1决策树原理与经济学应用

2.2决策树代码实战

3.1 随机森林原理与经济学应用

3.2随机森林实战案例（填补缺失数据、调参的艺术）

4.1回归类算法概述和实战代码（从机器学习角度理解回归）

4.2岭回归、Lasso、弹性网算法原理和实战代码（特征选择）

4.3多项式回归算法原理和实战代码及线性模型与非线性模型对比

5.1特征工程（探索性数据分析、数据预处理）

5.2特征工程（过滤法、嵌入法、包装法）

【参考教材】

郭峰等，《机器学习与社会科学应用》，上海：上海财经大学出版社，2024年7月。

【资助来源】

《人工智能赋能数字经济时代因果识别研究范式变革》，上海市教委“人工智能赋能科研范式变革 赋能学科跃升计划”重大项目。

【课程运行】

本课程在Bilibili网站上面向全网开放，课程目前播放量近5万人次，超半数以上视频播转粉率（播放量转化为粉丝的比例）位列同领域视频的1%，互动率（点赞、收藏量与播放量比值）位列同领域视频的前5%。

【课程评价】

【课程链接】

https://space.bilibili.com/3493264336357637