(2)uber/causalml代码复现

一、链接

Github：https://github.com/uber/causalml

如何评价弹性模型训练的好坏？一文浅谈评测指标AUUC

Uplift Modeling相关数据集

Uplift Modeling的实用算法解读——MetaLearner

二、配置和环境

有几种不同的依赖配置方式，我用conda之间安装包会出现报错，于是我选择用新建一个anaconda环境，在里面用pip命令安装，并在Jupyter notebook中运行【作者提供了很多jupyter文件下的样例】，也可以考虑在spyder中运行

相关链接：

Tensorflow + PyTorch 安装（CPU + GPU 版本）【含anaconda安装和环境创建】

Anaconda中修改Spyder解释器【新建对应环境下的spyder】

1、创建环境

# 创建环境
conda create --name causalml_py python=3.8.0
# 激活环境
activate causalml_py

2、安装依赖

下载项目或在路径下运行

# git clone https://github.com/uber/causalml.git
# 进入causalml目录
cd causalml
# 在causalml_py环境下安装相关依赖
pip install -r requirements-tf.txt
pip install causalml[tf]
pip install -U numpy

在运行pip install causalml[tf]的时候可能会出现报错

error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual C++ Build Tools": http://landinghub.visualstudio.com/visual-cpp-build-tools

解决链接参考：

解决：Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools“

3、Spyder或Jupyter解释器安装

参考链接：

Anaconda中修改Spyder、Jupyter解释器

（1）Spyder

activate causalml_py
conda install spyder

（2）Jupyter

• 创建新环境下的Kernel

# 激活环境
activate 环境名
pip install ipykernel
python -m ipykernel install --user --name 环境名 --display-name 显示的环境名
jupyter notebook
 
# 例如：
activate causalml_py
pip install ipykernel
python -m ipykernel install --user --name causalml_py --display-name causalml_py

四、测试（以Jupyter为例）

• 在路径\causalml\examples下打开Jupyter

• 修改使用的Kernel

• 调试运行

如果前面的环境配置和依赖包安装都没有问题，此时应该可以正常运行