CausalDiscoveryToolbox:因果建模、因果图代码实现

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

[Github] [论文] [文档]

  • 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:

评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值