causalml:使用机器学习算法进行提升建模和因果推理-源码

上传者: 42115074 | 上传时间: 2021-11-29 18:56:17 | 文件大小: 5.29MB | 文件类型: -
免责声明 这个项目很稳定,可以长期支持。 它可能包含新的实验代码,其API可能会更改。 因果ML:用于ML进行抬升建模和因果推理的Python包 Causal ML是一个Python软件包,它提供了一套基于最近研究的,使用机器学习算法的提升模型和因果推理方法。 它提供了一个标准界面,允许用户从实验或观察数据中估计条件平均治疗效果(CATE)或个体治疗效果(ITE)。 本质上,它为具有观察特征X用户估计了干预T对结果Y的因果影响,而无需对模型形式做出强烈假设。 典型的用例包括 广告系列定位优化:提高广告系列投资回报率的重要手段是将广告定位到在给定的KPI(例如参与度或销售)方面有良好响应的一组客

文件下载

评论信息

  • Phyllis2016 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-04

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明