因果关系严格区分了“因”变量和“果”变量，在揭示事物发生机制、指导干预行为等方面具有相关关系不可替代的重要作用。在大数据时代，如何探索海量、高维、观察性的数据背后的因果机制具有重要的商业价值和科学意义。观察数据的因果关系方向判断困难、高维数据的因果结构发现能力不足、现有算法适用场景有限等仍然严重阻碍着因果推断领域的发展，是当前因果关系研究的难点和热点。本书从因果关系与相关关系之间的区别与联系出发，从因果关系模型、因果关系发现方法、因果关系与机器学习关系等角度对上述进展进行探讨，并对作者研究团队关于上述问题的一些**研究进展进行总结。