论因果性与相关性

引入一个例子:快到夏天了，游泳溺死的人数增多了。假设现在你是个数据分析师，想让你通过数据，找出游泳溺死的原因。假设有一个特征是西瓜的销售量，你通过分析发现，西瓜销售量越大，游泳溺死的人数就更多。这时你得出结论，西瓜销售量引起了溺死人数的增多，很显然你就可以看出这是个笑话。这两个特征西瓜销售量和溺死人数虽然有相关性，但是它们有因果性吗，你能得出这样荒谬的结论吗？我们之所以一眼就看出来这个结论是个笑话，是因为我们有这个常识。夏天天气热，游泳的人数多，所以溺死的人数自然也会较多。与此同时，夏天到了，西瓜的销售量也多。这两个特征有相关性，却无因果性。

但是如果我们分析更难的问题，我们无法通过常识分辨呢？这在数据分析挖掘里面通常会遇到这种问题，通常需要结合相关的业务能力去判断是因果性还是相关性。我们不能直接从数据上的相关性直接得出因果性，而应该从相关性去发现探索其中的因果性关系。举个影响我们的工程学问题，给一些数据，分析一些特征与空调能耗的关系，从而去改进减少能耗增加收益。这时我们要找到的就是因果性的特征而不是相关性的特征。