PyWhy 的使命是构建一个因果机器学习的开源生态系统，推动最先进的技术发展，并将其提供给从业者和研究人员。我们构建并托管可互操作的库、工具和其他资源，涵盖各种因果任务和应用，通过基础因果操作的通用 API 连接起来，并专注于端到端的分析过程。
pip install dowhy
pip install econml
pip install causal-learn
DoWhy 简介，这是一个用于因果推断的 Python 库，支持显式建模和测试因果假设。
EconML 简介，这是微软 ALICE 团队努力将人工智能导向经济决策的项目。
如果您是因果推断的新手，快速浏览我们在文档中引用的概念和技术可能会有所帮助。我们提供针对 EconML 量身定制的因果推断高级介绍。
causal-learn 是 Tetrad Java 代码的 Python 翻译和扩展。它提供了最新的因果发现方法的实现以及简单直观的 API。
本教程介绍了如何使用 Python 中的 ERUPT 指标和 CausalTune 库来改进业务指标。它展示了一个实际示例以及如何使用 ERUPT 指标优化点击率。
本教程介绍了如何使用 Python 中的 DoWhy 库进行因果 AI。它讨论了基本原理并提供了代码示例。
在 Databricks 生态系统中的一个端到端因果机器学习应用。
EconML 的双重稳健学习器模型联合估计多个离散处理的效果。
实践中的因果推断和机器学习。
在 NABE 上展示的规模化因果推断。
寻找因果效应有助于我们了解科学技术中的各种现象。
新功能通过将事件归因于复杂系统的各个组成部分，超越了传统的效应估计。