DoubleML - Python中的双重机器学习

DoubleML - Python中的双重机器学习

【免费下载链接】doubleml-for-py DoubleML - Double Machine Learning in Python 项目地址: https://gitcode.com/gh_mirrors/do/doubleml-for-py

安装指南

系统要求

DoubleML 需要以下依赖库：

• Python
• sklearn
• numpy
• scipy
• pandas
• statsmodels
• joblib

安装方式

使用 pip 安装

你可以通过 pip 安装 DoubleML：

pip install -U DoubleML

从源码安装

你也可以从源码安装 DoubleML：

git clone git@github.com:DoubleML/doubleml-for-py.git
cd doubleml-for-py
pip install --editable .

详细的安装说明可以在文档中找到。

项目使用说明

主要功能

DoubleML 实现了以下几种模型的双重/去偏机器学习：

• 部分线性回归模型 (PLR)
• 部分线性IV回归模型 (PLIV)
• 交互回归模型 (IRM)
• 交互IV回归模型 (IIVM)

对象导向的实现

DoubleML 的对象导向实现非常灵活。模型类 DoubleMLPLR, DoubleMLPLIV, DoubleMLIRM 和 DoubleIIVM 实现了通过机器学习方法估计干扰函数和计算Neyman正交得分函数的功能。所有其他功能都在抽象基类 DoubleML 中实现。

主要方法

• fit: 估计双重机器学习模型。
• bootstrap: 进行自助法估计。
• confint: 计算置信区间。
• p_adjust: 调整p值。
• tune: 调整模型参数。

项目API使用文档

模型类

• DoubleMLPLR: 部分线性回归模型。
• DoubleMLPLIV: 部分线性IV回归模型。
• DoubleMLIRM: 交互回归模型。
• DoubleIIVM: 交互IV回归模型。

方法

• fit(self, X, y, d): 拟合模型。
  • X: 特征矩阵。
  • y: 目标变量。
  • d: 处理变量。
• bootstrap(self, n_bootstrap_samples=1000): 进行自助法估计。
  • n_bootstrap_samples: 自助法样本数量。
• confint(self, level=0.95): 计算置信区间。
  • level: 置信水平。
• p_adjust(self, method='bonferroni'): 调整p值。
  • method: 调整方法。
• tune(self, param_grid, n_folds=5): 调整模型参数。
  • param_grid: 参数网格。
  • n_folds: 交叉验证折数。

项目安装方式

使用 pip 安装

pip install -U DoubleML

从源码安装

git clone git@github.com:DoubleML/doubleml-for-py.git
cd doubleml-for-py
pip install --editable .

详细的安装说明可以在文档中找到。

【免费下载链接】doubleml-for-py DoubleML - Double Machine Learning in Python 项目地址: https://gitcode.com/gh_mirrors/do/doubleml-for-py