本章从现有机器学习模型面临的可解释性和稳定性问题出发，引入并介绍了以发掘数据中的因果关系为切入点的机器学习研究方向——稳定学习。具体地，本章先介绍了因果推理中传统的潜在结果框架，将其应用到二值特征和线性模型场景下的机器学习问题，随后又将其延伸到了连续特征、线性模型的场景及深度学习场景。最后，本章还介绍了反事实推理这一正在兴起的前沿领域，以及若干有代表性的问题场景和方法。
