dowhy.causal_prediction.datasets package

子模块

dowhy.causal_prediction.datasets.base_dataset module

MultipleDomainDataset 类在此文件中借用自 DomainBed：facebookresearch/DomainBed

@inproceedings{gulrajani2021in,

title={In Search of Lost Domain Generalization}, author={Ishaan Gulrajani and David Lopez-Paz}, booktitle={International Conference on Learning Representations}, year={2021},

}

class dowhy.causal_prediction.datasets.base_dataset.MultipleDomainDataset

基类：object

CHECKPOINT_FREQ = 100

ENVIRONMENTS = None

INPUT_SHAPE = None

N_STEPS = 5001

N_WORKERS = 8

dowhy.causal_prediction.datasets.mnist module

class dowhy.causal_prediction.datasets.mnist.MNISTCausalAttribute(root, download=True)

基类：MultipleDomainDataset

MNISTCausalAttribute 数据集的类。

参数:

• root – 数据所在的目录（如果不存在，则为下载数据的目录）。

• download – 指示是否下载数据的二进制标志

返回:

MultipleDomainDataset 类的一个实例

CHECKPOINT_FREQ = 500

ENVIRONMENTS = ['+90%', '+80%', '-90%', '-90%']

INPUT_SHAPE = (2, 14, 14)

N_STEPS = 5001

color_dataset(images, labels, environment)

转换 MNIST 数据集以引入属性（颜色）和标签之间的相关性。标签 Y 和颜色之间存在直接的因果关系。

参数:

• images – 原始 MNIST 图像

• labels – 原始 MNIST 标签

• environment – 颜色和标签之间相关性的值

返回:

包含转换后图像、标签和属性（颜色）的 TensorDataset

torch_bernoulli_(p, size)

torch_xor_(a, b)

class dowhy.causal_prediction.datasets.mnist.MNISTCausalIndAttribute(root, download=True)

基类：MultipleDomainDataset

MNISTIndAttribute 数据集的类。

参数:

• root – 数据所在的目录（如果不存在，则为下载数据的目录）。

• download – 指示是否下载数据的二进制标志

返回:

MultipleDomainDataset 类的一个实例

CHECKPOINT_FREQ = 500

ENVIRONMENTS = ['+90%, 15', '+80%, 16', '-90%, 90', '-90%, 90']

INPUT_SHAPE = (2, 14, 14)

N_STEPS = 5001

color_dataset(images, labels, environment)

转换 MNIST 数据集以引入属性（颜色）和标签之间的相关性。标签 Y 和颜色之间存在直接的因果关系。

参数:

• images – 旋转后的 MNIST 图像

• labels – 原始 MNIST 标签

• environment – 颜色和标签之间相关性的值

返回:

转换后的图像、标签和属性（颜色）

color_rot_dataset(images, labels, environment, env_id, angle)

通过 (i) 对图像应用旋转，然后 (ii) 在属性（颜色）和标签之间引入相关性来转换 MNIST 数据集。属性（旋转角度）独立于标签 Y；标签 Y 和颜色之间存在直接的因果关系。

参数:

• images – 原始 MNIST 图像

• labels – 原始 MNIST 标签

• environment – 颜色和标签之间相关性的值

• angle – 用于转换图像的旋转角度值

返回:

包含转换后图像、标签和属性（颜色、角度）的 TensorDataset

rotate_dataset(images, angle)

通过对图像应用旋转来转换 MNIST 数据集。属性（旋转角度）独立于标签 Y。

参数:

• images – 原始 MNIST 图像

• angle – 用于转换图像的旋转角度值

返回:

转换后的图像

torch_bernoulli_(p, size)

torch_xor_(a, b)

class dowhy.causal_prediction.datasets.mnist.MNISTIndAttribute(root, download=True)

基类：MultipleDomainDataset

MNISTIndAttribute 数据集的类。

参数:

• root – 数据所在的目录（如果不存在，则为下载数据的目录）。

• download – 指示是否下载数据的二进制标志

返回:

MultipleDomainDataset 类的一个实例

CHECKPOINT_FREQ = 500

ENVIRONMENTS = ['15', '60', '90', '90']

INPUT_SHAPE = (1, 14, 14)

N_STEPS = 5001

rotate_dataset(images, labels, env_id, angle)

通过对图像应用旋转来转换 MNIST 数据集。属性（旋转角度）独立于标签 Y。

参数:

• images – 原始 MNIST 图像

• labels – 原始 MNIST 标签

• angle – 用于转换图像的旋转角度值

返回:

包含转换后图像、标签和属性（角度）的 TensorDataset

torch_bernoulli_(p, size)

torch_xor_(a, b)

模块内容