反実仮想（Counterfactual）─ 起こり得たけれども実際には起こらなかった状況 ─ に関する正確な情報を得ることは、機械学習や意思決定最適化の応用において必要不可欠です。例えば、「現在運用している推薦アルゴリズムを仮に別のアルゴリズムに変えたとしたら、ユーザの行動はどのように変化するだろうか？」や「仮にある特定のユーザ群に新たなクーポンを与えたら、収益はどれほど増加するだろうか？」「仮に個々の生徒ごとに個別化されたカリキュラムを採用したら、1年後の平均成績はどれほど改善するだろうか」などの実務・社会でよくある問いに答えるためには、反実仮想に関する正確な情報を得る必要があります。こうした反実仮想の推定や比較に基づく意思決定の最適化を可能にするのが、反実仮想機械学習（CounterFactual Machine Learning; CFML）と総称される機械学習と因果推論の融合技術です。
反実仮想機械学習は、何らかの意思決定の最適化やその性能評価を行うすべての機械学習エンジニア・データサイエンティストに必要不可欠な考え方と基盤技術を提供します。しかし、予測や最適化、典型的な因果推論などすでに多く語り尽くされた話題に関する文献は増え続ける一方で、急速な発展を見せる反実仮想機械学習に関する体系的な記述や要約は、未だこの世に存在しないのが現状です。本書では、反実仮想機械学習の基礎的な考え方と最新技術を世界に先駆けて体系化することで、この看過できない現状を打破することを目指します。特に本書では、反実仮想機械学習の重要な基礎であるオフ方策評価と呼ばれる統計的推定問題を重点的に扱い、反実仮想に関する情報を観測データに基づいて正確に推定するために必要な考え方と統計技術を着実に身につけます。その後、オフ方策評価の自然な拡張として、観測データに基づく意思決定の最適化問題を扱います。こうして、反実仮想推定を最重要の基礎に据える反実仮想機械学習の思想と理論、それらの汎用的な応用力を身につけることが、本書における最大の目標です。
なお本書では、反実仮想機械学習に関する理論やその実践、Pythonを用いた実装をバランスよく扱っています。例えば、関連の学術研究や論文執筆を行いたい方向けには、理論に関する理解を深めるのに役立つ章末問題を提供しています。また本書6章には、機械学習や因果推論の実践現場で働く方々向けに独自に作成したケース問題を用いた反実仮想機械学習の応用例を示しました。そのため本書は、当該分野に関連する学術研究を行いたい学生・研究者の方やその実応用を行いたい実務家の方など、幅広い層や用途に有効活用していただける内容に仕上がっています。
