示例笔记本# 这些示例也可在 GitHub 上获取。您可以在克隆 DoWhy 并安装 Jupyter 后在本地运行它们。或者，您可以使用 Binder 环境直接在 Web 浏览器中运行它们。 入门示例# 计算因果效应的基本示例 图形因果模型的基本示例 从 GCM 生成样本的基本示例 混杂示例：从观测数据中发现因果效应 使用 DoWhy 和 EconML 计算条件平均处理效应 (CATE) 因果推断及其与机器学习联系的教程（使用 DoWhy+EconML） Do-sampler 介绍 现实世界启发示例# 探索酒店预订取消的原因 估计会员奖励计划的效果 在线商店中的因果归因和根本原因分析 查找微服务架构中延迟升高的根本原因 401(k) 资格对净金融资产的影响 查找供应链中变化的根本原因 分解性别工资差距 估计现实世界示例中的内在因果影响 医学案例中的反事实分析 用户给定有向无环图的证伪 反事实公平性 销售增长和支出干预的因果归因 基准数据集上的示例# DoWhy 在 ihdp（婴儿健康和发展计划）数据集上的示例 DoWhy 在 Lalonde 数据集上的示例 将反驳测试应用于 Lalonde 和 IHDP 数据集 401(k) 资格对净金融资产的影响 DoWhy 在 MNIST 上的因果预测演示 Lalonde Pandas API 示例 反事实公平性 DoWhy 在 Twins 数据集上的示例 建模和反驳因果假设# 加载输入图的不同方式 因果发现示例 用户给定有向无环图的证伪 回归模型的敏感性分析 非参数因果估计器的敏感性分析 迭代多个反驳测试 使用 OverRule 评估支持和重叠 使用用户定义结果函数创建自定义反驳的简单示例 给定数据集的估计方法排名 杂项# DoWhy：用于因果推断的不同估计方法 使用工具变量法进行估计的简单示例 DoWhy：因果估计器的解释器 使用 DoWhy 进行中介分析：直接效应和间接效应 估计多种处理的效果 寻找最优调整集 使用 ID 算法识别效应 演示用于因果识别的优化后门变量搜索的示例
