EM算法用于优化模型参数，通过最大化期望来处理隐变量问题。隐变量不可观测，但影响观测数据的生成。文章详细阐述了EM算法的原理及其在最大似然估计中的应用。

本文探讨了在子群体中进行因果推断的问题，提出了一种新算法以识别子群体的因果效应。研究强调在隐变量和选择偏差存在的情况下，如何通过因果图和可识别因子模型解决总效应识别问题，并提供理论支持和算法实现。

该研究发现结合两个经验法则可以提高模型性能，避免后验坍塌。虽然该方法的 ELBO 较差，但在保留隐变量和对训练数据分布建模方面表现更好，传统的 VAE 目标函数可能无法平衡表示学习和数据分布建模。