跳到主要内容
回到顶部
Ctrl
+
K
网站导航
入门
用户指南
示例
引用此包
贡献
更多
dowhy 包
发布说明
v0.12
版本
v0.9.1
v0.9
v0.8
v0.7.1
v0.7
v0.6
v0.5.1
v0.5
v0.4
v0.2
v0.11.1
v0.11
v0.10.1
v0.10
v0.1.1-alpha
分支
main
网站导航
入门
用户指南
示例
引用此包
贡献
更多
dowhy 包
发布说明
v0.12
版本
v0.9.1
v0.9
v0.8
v0.7.1
v0.7
v0.6
v0.5.1
v0.5
v0.4
v0.2
v0.11.1
v0.11
v0.10.1
v0.10
v0.1.1-alpha
分支
main
章节导航
前言
DoWhy 简介
因果关系建模
利用领域知识指定因果图
从数据中学习因果结构
驳斥因果图
执行独立性检验
图驳斥
建模图形因果模型 (GCM)
图形因果模型的类型
从 GCM 生成样本
评估 GCM
自定义因果机制分配
估计置信区间
执行因果任务
估计因果效应
识别因果效应
后门准则
前门准则
自然实验和工具变量
用于发现新识别策略的 ID 算法
使用后门准则估计平均因果效应
基于回归的方法
基于距离的匹配
基于倾向性得分的方法
Do-sampler
使用自然实验估计平均因果效应
估计条件平均因果效应
使用 GCM 估计平均因果效应
量化因果影响
中介分析:估计自然直接效应和间接效应
直接效应:量化箭头强度
量化内在因果影响
根本原因分析与解释
异常归因
归因分布变化
特征相关性
提出和回答假设性问题
模拟干预的影响
计算反事实
预测分布外输入的输出
驳斥因果估计
驳斥效应估计
安慰剂处理驳斥器
虚拟结果驳斥器
随机共同原因驳斥器
数据子样本驳斥器
敏感性分析
基于模拟的敏感性分析
基于偏 R2 的线性估计器敏感性分析
基于 Reisz 估计器的非线性估计器敏感性分析
引用此包
用户指南
执行因果任务
提出和...
提出和回答假设性问题
#
使用图形因果模型,可以解决 Pearl 因果推断阶梯中定义的第 2 阶(干预)和第 3 阶(反事实)问题。
模拟干预的影响
计算反事实
显示源代码