因果推論 vs 相關係數
Causal Inference vs Correlation
因果推論 側重 因果推論是從觀察數據中推斷因果關係的方法，旨在確定一個變數的變化是否直接導致另一個變數的變化。，而 相關係數 側重 相關係數衡量兩個變數之間線性關係的強度和方向，範圍從 -1 到 1。1 表示完全正相關，-1 表示完全負相關，0 表示沒有線性關係。。
逐項比較
| 項目 | 因果推論 | 相關係數 |
|---|---|---|
| 一句定義 | 因果推論是從觀察數據中推斷因果關係的方法，旨在確定一個變數的變化是否直接導致另一個變數的變化。 | 相關係數衡量兩個變數之間線性關係的強度和方向，範圍從 -1 到 1。1 表示完全正相關，-1 表示完全負相關，0 表示沒有線性關係。 |
| 比喻 | 因果推論就像一個超級偵探，他不僅能發現「冰淇淋銷量高的時候，溺水人數也比較多」（相關性），還能進一步找出「是不是天氣熱導致冰淇淋銷量高，同時天氣熱也導致更多人去游泳而溺水」（因果關係）。他不是看兩件事有沒有一起發生，而是看一件事是不是「導致」了另一件事。 | 相關係數就像在看兩個朋友的「默契指數」-- 如果他們總是同時開心或同時難過（一起變動），那默契指數就高（接近 1 或 -1）；如果一個開心另一個難過（反向變動），就是負默契；如果兩個人情緒各過各的，那默契指數就接近 0。 |
| 常見標籤 | 統計方法、機器學習、AI基礎、資料處理、模型評估 | 統計方法、資料處理、機器學習、模型評估、金融AI、數學基礎 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 因果推論一定要有實驗嗎？ | 相關係數為 0 代表完全沒關係嗎？ |