收集一些因果推断比较好的工具包，教程

1.国内一个武汉大学教授手下博士写的基础的因果知识课件：

http://www.liuyanecon.com/wp-content/uploads/%E7%8E%8B%E5%81%A520201022.pdf

感兴趣可以看看其他手下博士做的课件：

Causal inference reading group 2020 – 刘岩 – 宏观&金融

2.耶鲁大学教授课程全套

课件+代码+视频

代码：GitHub - paulgp/applied-methods-phd: Repo for Yale Applied Empirical Methods PHD Course

视频：https://www.youtube.com/playlist?list=PLWWcL1M3lLlojLTSVf2gGYQ_9TlPyPbiJ&themeRefresh=1

课件：applied-methods-phd/syllabus.pdf at main · paulgp/applied-methods-phd · GitHub

我看了一下内容，相当全。

3.微软开发的因果方法包(超全）

微软EconML简介：基于机器学习的Heterogeneous Treatment Effects估计 - 知乎

官方文档：

Welcome to econml’s documentation! — econml 0.14.0 documentation

4.casual ML（python包）

包含了工具变量模型，以及两个深度模型。

About Causal ML — causalml documentation

5.因果从2015年开始，结合到深度学习模型中，辅助模型auc更高

综述：https://www.its.caltech.edu/~fehardt/papers/CEP2017.pdf

一个实际应用的因果做cv的论文：https://arxiv.org/abs/1412.2309

甚至还有专门用因果解释深度模型这个领域，用的是沙普利值模型：GitHub - slundberg/shap: A game theoretic approach to explain the output of any machine learning model.

6.使用深度模型来做因果

深度神经网络中的因果推理 - 知乎

下面是一些比较细节的：

uplift model

https://towardsdatascience.com/a-quick-uplift-modeling-introduction-6e14de32bfe0

About Wayfair | Pylift: A Fast Python Package for Uplift Modeling

What is Uplift modelling and how can it be done with CausalML?

How uplift modeling works | Blogs

meta learning

21 - Meta Learners — Causal Inference for the Brave and True

xleaner https://medium.com/grabngoinfo/x-learner-uplift-model-in-python-768260a06a4a

xlearner Uplift Model:X-learner - 知乎

营销市场常见的点击归因

代码包： marketing-attribution-models · PyPI

沙普利值计算包

Shapley Value Attribution Modeling | Kaggle

收集一些因果推断比较好的工具包，教程相关推荐

丁鹏：多角度回顾因果推断的模型方法
来源:集智俱乐部本文约23000字,建议阅读20+分钟本文整理自丁鹏老师的8篇短文,从多角度回顾了因果推断的各种模型方法. [ 导读 ] 推断因果关系,是人类思想史与科学史上的重要主题.现代因果推断 ...
一文读懂因果推断的起源
来源:翻译教学与研究本文约6800字,建议阅读10分钟本文为大家介绍了关于因果推断的起源. 编者按:斯特劳森曾说,逻辑不是先验的,它与语言密不可分.这就是说,人类认知世界的工具--如数学推理,逻辑 ...
多角度回顾因果推断的模型方法
来源:AI干货知识库推断因果关系,是人类思想史与科学史上的重要主题.现代因果推断的研究,始于约尔-辛普森悖论,经由鲁宾因果模型.随机试验等改进,到朱力亚·珀尔的因果革命,如今因果科学与人工智能的结合 ...
因果推断中期学习小结
废话文学一下:入门学习因果推断三周,总算是入了个门来集结一下前十篇分别是: 因果推断笔记--因果图建模之微软开源的dowhy(一)[1] 因果推断笔记-- 相关理论:Rubin Potential. ...
因果推断笔记——数据科学领域因果推断案例集锦（九）
文章目录 1 腾讯看点:启动重置问题 1.1 观测数据 . 实验数据的理论介绍 2.2 启动重置问题阐述:短期.长期.异质 2.3 短期影响的解决 2.4 长期影响构造准实验 2.5 异质性用户 1. ...
因果推断笔记——因果图建模之微软开源的EconML（五）
文章目录 1 EconML介绍 1.1 EconML介绍 1.2 一些理论解答 1.3 常规CATE的估计器 1.4 IV工具变量 + CATE的估计器 1.5 动态处理效应的估计器 2 智能营销案例 ...
因果推断笔记——python 倾向性匹配PSM实现示例（三）
因果推断笔记-- 相关理论:Rubin Potential.Pearl.倾向性得分.与机器学习异同(二) 因果推断笔记--因果图建模之微软开源的dowhy(一) 文章目录 0 观测数据的估计方法 0. ...
数据分析36计(24)：因果推断结合机器学习估计个体处理效应
个体异质性为何重要传统的因果推断分析,主要关注焦点是平均处理效应(Average Treatment Effect).许多科学和工程都会面临这样的挑战,从个性化的医疗救治方案,到定制型的营销建议都需 ...
因果推断, 因果效应概述
概述 Q1: 因果推断定义? A: 从观测数据中学习规律, 然后预测不同的treatment对结果的不同影响. Q2: 为什么需要因果推断, 与传统有监督机器学习的区别? A: 传统的机器学习任务不涉 ...

收集一些因果推断比较好的工具包，教程

收集一些因果推断比较好的工具包，教程相关推荐

最新文章

热门文章