《因果推断与机器学习（修订版）》是一本理论扎实，同时联系实际应用的图书。全书系统地介绍了因果推断的基本知识、基于机器学习的因果推断方法和基于因果推断的机器学习方法及其在一些重要领域的应用。 《因果推断与机器学习（修订版）》共分6 章。第1 章从结构因果模型和潜在结果框架出发，介绍因果推断的基本概念和方法。第2 章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3 章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4 章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5 章介绍因果机器学习在推荐系统和学习排序中的应用。第6 章是对全书的一个总结和对未来的展望。 《因果推断与机器学习（修订版）》对结合因果推断和机器学习的理论与实践进行了介绍。并在第1 版的基础上对一些陈旧的内容做了更新。通过阅读本书，读者不仅可以掌握因果机器学习的基础理论，还可对本书中提到的论文代码进行钻研，从而在实践中加深对因果机器学习的理解。 《因果推断与机器学习（修订版）》适合对因果推断和机器学习感兴趣的高校学生、教师阅读，也适合相关行业的工程师、数据科学家和研究员阅读。

4.2.3基于相关关系的公平性定义

4.2.3基于相关关系的公平性定义