因果探索不只是尋找能準確預測結果的變項，而是試圖判斷哪些變項之間存在因果結構。要從觀察資料識別因果方向，通常需要明確的結構假設，例如因果充分性、忠實性、無環性、干預資訊或特定資料生成條件。馬可夫毯能提供目標節點的局部鄰域線索，但不能單獨補足所有識別條件。
因此，因果發現演算法的表現必須同時從模型假設、識別條件、資料品質與實驗驗證來評估。
思與行
- 針對每個因果探索結果，列出哪些假設可由資料檢查、哪些只是研究者先行設定。
- 若應用於政策或醫療決策，盡量尋找干預、自然實驗或外部證據，不要把特徵排名當成因果結論。