概念identifiability / 模型可识别性
可识别性
统计学与机器学习中的基础概念，指模型参数能否从可观测数据中被唯一确定；在群体监督设定下，可识别性条件会因监督信号为聚合统计量而大幅收窄
时间轴 (近 90 天)
10月5日
因果效应的可识别性指干预分布 P(Y|do(X)) 能由纯观测数据分布唯一确定，且对所有与该图结构相容的参数赋值成立，与具体数值无关，只取决于图的结构
待验证50%
9月23日
研究对可识别性进行了形式化分析，明确给出了聚合观测能够识别受限实例预测器的条件
待验证50%