Identifiability（可识别性）

在统计学习和因果推断中，可识别性意味着不同的参数值会产生不同的数据分布，从而保证参数估计的唯一性。若模型不可识别，则存在多个参数配置对应同一观测分布，导致估计和解释困难。例如，在混合模型中，若成分顺序或尺度不确定，则参数不可识别。通常通过添加约束（如方差固定、稀疏性）或设计实验来恢复可识别性。