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 ...
最新文章
- maven java 配置文件路径_Maven 的配置文件路径读取
- 某程序员对比美团和阿里的卷文化区别:美团重过程,死抠没用细节;阿里更自由,注重结果!...
- Foundation 框架
- 盘点15个不起眼但非常强大的 Vim 命令
- play!框架_在Play上使用twitter4j! 框架和安全社交很容易
- 计算机教师专业发展论文,关于教师专业发展的计算机专业论文
- Java 开发环境部署
- php下的jsonp使用实例
- 【通过操作指针,与指针做函数參数#39;实现字串在主串中出现的次数,然后将出现的部分依照要求进行替换 
】...
- elementui的横向滚动_记一次element-ui配置化table组件的适应性问题(横向滚动条)...
- CAD图纸无法编辑修改怎么回事?
- python简易计算器界面_python 简易计算器
- 什么是DMZ区域,DMZ区域的作用与原理
- Fedora下使用flatpak安装QQ
- 无论是要打牢计算机基础还是准备校招面试,这本书你不可错过!
- 光分配网(ODN)一级分光和二级分光的区别及应用场景
- 反函数求导:自然对数 ln是怎么得到的;为什么自然对数的导数是 1/ x;arcsin 和 arccos 的导数求算
- php soh stx,symbol NULL SOH STX ETX EOT ENQ ACK ASCII(符号零SOH STX ETX传输结束询问ACK ASCII).pdf...
- web前端第一次作业
- 软路由openwrt新手教程
热门文章
- 【UI设计基础知识】UI界面设计怎么划分
- 《孵化皮克斯》读书第二天
- uniapp app引入字体包
- Layaair 集成 protobuf 笔记
- IOS Swift5 WkWebView 跳转网页后 加载页面结果方法拦截(WKNavigationResponse)
- 海量数据处理问题知识点复习手册
- Linux 命令(195)—— dhclient 命令
- 有c++语言基础学python_D16——C语言基础学PYTHON
- html伪类元素加图片,HTML中常见伪类和伪元素的区别
- 【算法导论】python实现算法导论中的算法(传送门)