DoWhy是一个Python库，可轻松估算因果关系。 DoWhy基于用于因果推理的统一语言，结合了因果图形模型和潜在结果框架。 为什么 使因果推理变得容易Amit Sharma，埃姆雷·基西曼（Emre Kiciman）阅读文档| 在线尝试！ 博客文章：DoWhy简介| 使用Do-sampler由于计算系统越来越频繁地并更加积极地介入社会关键领域，例如医疗保健，教育和治理，因此正确预测和理解这些干预措施的因果关系至关重要。 没有A / B测试，基于模式识别和相关性的传统机器学习方法

通过在不同比例尺网格上使用Richardson外推法和四阶紧致有限差分方案，在粗糙网格上计算出六阶解。 应用其他三种技术在细网格上获得六阶解，从而给出了三种基于理查森外推的六阶紧致计算方法。 通过分别在二维泊松方程上仔细分析截断误差，我们从理论上比较了这三种六阶方法的准确性。 讨论了两个测试问题的数值结果。

OrthoFinder, 对orthologous基因组的准确推断 OrthoFinder" OrthoFinder - 精确推断 orthogroups 。orthologues 。基因树和根species树 ！ 图1: 图2: 自动的OrthoFinder分析工具：做什么？OrthoFinder是比较基因组学的快速。准

统计推断（英文版） 、中文版。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者，也适合普通开发人员了解贝叶斯统计而使用。

这个工具箱由萨克勒意识科学中心开发， 英国萨塞克斯大学提供 MATLAB 例程以实现高效准确多元格兰杰因果关系的估计和统计推断时间序列数据，如下所述： Lionel Barnett 和 Anil K. Seth，“MVGC 多元格兰杰因果关系工具箱： 格兰杰因果推理的新方法”，J. Neurosci. 方法 223 (2014)，第 50-68 页。 对于一般支持问题、评论、问题、错误报告和建议的增强功能， 请发送电子邮件至 mvgctoolbox@sussex.ac.uk。 我们特别想知道您是否有发现该工具箱在您的研究中很有用。

教程：面向应用研究人员和流行病学家的计算因果推理简介 马修·詹姆斯·史密斯、卡米尔·马林格、伯纳德·雷切特、穆罕默德·A·曼苏尼亚、保罗·齐维奇、斯蒂芬·R·科尔、米格尔·安吉尔·卢克·费尔南德斯 该存储库向科学界提供预印本手稿中使用的数据和代码，请访问 引用此存储库： 马修·詹姆斯·史密斯、卡米尔·马林格、伯纳德·雷切特、穆罕默德·A·曼苏尼亚、保罗·齐维奇、斯蒂芬·R·科尔、米格尔·安吉尔·卢克·费尔南德斯 抽象的 许多健康研究的目的是估计暴露对结局的影响。 在随机对照试验中为个体分配暴露并不总是符合道德的，而是必须使用观察数据和适当的研究设计。 观察性研究存在重大挑战，其中之一是混杂，可能导致对因果效应的估计有偏差。 混杂控制通常通过对测量混杂因素的简单调整来执行； 然而，这往往是不够的。 因果推理领域的最新进展已经通过建立在经典标准化方法的基础上来解决混淆问题。 然而，这些最近的进

CellChat：单元间通信的推理和分析 重要更新！！ 2021年1月5日（版本0.5.0） CellChat对象的微小变化（请通过updateCellChat()更新以前计算的CellChat对象） 功能和教程的增强文档（使用help()来检查文档，例如help(CellChat) ） 多个数据集进行比较分析的新功能 支持从Seurat V3或SingleCellExperiment对象创建新的CellChat对象 基于网络的“ CellChat Explorer” 我们构建了一个用户友好的基于Web的“ ”，其中包含两个主要组件： 配体-受体相互作用浏览器，可轻松探索我们新颖的配体-受体相互作用数据库，全面概述包括多聚体复合物和辅因子在内的已知分子组成。 我们的数据库CellChatDB是一个人工整理的数据库，其中包含人类和小鼠中受文献支持的配体-受体相互作用。 Cel

赫夫曼树matlab代码霍夫曼二叉树 霍夫曼树，用于基于从超过460k单词的文本文件中推断出的每个字母的统计概率对英语字母进行编码目前，每个字母都需要手动编码，如图所示，如“ Tree.png”。 “工作证明” 代码说明：（克罗地亚语）

交互系统的神经关系推断 该存储库包含PyTorch的官方实现： 交互系统的神经关系推断。 Thomas Kipf *，Ethan Fetaya *，Kuan-Chieh Wang，Max Welling，Richard Zemel。 ：平等贡献） 摘要：从物理学中的动力学系统到复杂的社会动力学，相互作用的系统本质上是普遍存在的。 组件之间的相互作用会引起复杂的行为，通常可以使用系统组成部分的简单模型来解释这些行为。 在这项工作中，我们介绍了神经关系推理（NRI）模型：一种无监督的模型，该模型学会推断交互作用，同时仅从观测数据中学习动力学。 我们的模型采用变分自动编码器的形式，其中潜在代码表示基础交互图，而重构基于图神经网络。 在模拟物理系统上的实验中，我们证明了我们的NRI模型可以无监督的方式准确地恢复地面与地面的相互作用。 我们进一步证明，我们可以找到可解释的结构，并预测真实运动捕