摘要：
uplift Tree 和causal tree一样，uplift tree[8]作为一种以分类任务为主的，同样是将因果效应apply到节点分割的标准中。区别是：causal tree：1）使用honest的方法；2) 从effect 的偏差和方差的角度切入指导树的构建，把分类问题转化为回归问题去做 阅读全文
摘要：
广义随机森林 了解causal forest之前，需要先了解其forest实现的载体：GENERALIZED RANDOM FORESTS[6]（GRF) 其是随机森林的一种推广， 经典的随机森林只能去估计label Y，不能用于估计复杂的目标，比如causal effect，Causal Tree 阅读全文