文章目录
最近在分析观测数据的因果关系时,发现一个很好用的工具包——CausalDiscoveryToolbox(以下简称Cdt),功能齐全,轻松上手因果发现。
下面简单整理下该工具包的原理+用法。
CausalDiscoveryToolbox简介
- 用于在从数据的联合概率分布样本中学习因果图和相关的因果机制。
- 实现了端到端的因果发现方法,支持从观测数据中恢复直接依赖关系(因果图的骨架)和变量之间的因果关系。
- 实现了许多用于图结构恢复的算法(包括来自bnlearn1,pcalg2包的算法)。
- 基于Numpy,Scikit-learn,Pytorch和R开发。
- 支持GPU硬件加速。
因果建模的过程
Cdt工具包对一般的因果建模流程进行了概括:

介绍Cdt工具包,用于从观测数据中学习因果图及因果机制。支持多种算法,包括成对建模和全图建模,适用于无向图到有向图的转换。本文提供安装指南和使用示例。
最低0.47元/天 解锁文章
4065





