smoking.csv 99提案

因果发现工具箱是一个用于在图形中以及在Python> = 3.5的成对设置中进行因果推断的程序包。 包括用于图形结构恢复和依赖性的工具。 该软件包基于Numpy，Scikit-learn，Pytorch和R。 它主要基于观察数据，实现了许多用于图结构恢复的算法（包括来自bnlearn ， pcalg包的算法）。 使用pip安装它：（请参阅下面的安装详细信息） pip install cdt Docker镜像 Docker映像可用，包括所有依赖项和启用的功能： 科 主 开发者 Python 3.6-CPU Python 3.6-GPU 安装 这些软件包需要python版本> = 3.5，以及一些在列出的库。 对于某些其他功能，需要更多的库才能使这些附加功能和选项可用。 这是该软件包的快速安装指南，从最小安装到完整安装开始。 注意：（mini / ana）conda框架将帮助安装所有这些软件包，因此建议非专业用户使用。 安装PyTorch 由于cdt软件包中的某些关键算法使用PyTorch软件包，因此需要安装它。 请访问他们的网站以安装适合您的硬件配置的PyTorch版本：

邱嘉平因果推断实用计量方法

论文名称：Detecting and quantifying causal associations in large nonlinear time series datasets 作者：Jakob Runge 主要内容：PCMCI算法的提出 因果推断算法 可以处理高维度、强子相关、非线性数据

过去10年，以深度学习为代表的机器学习方法引领了人工智能的发展，在图像、语音、文本等多个领域中取得巨大成就。从根本上来说，机器学习是一种“连接主义”方法，即通过关联驱动的方式在大量的数据中进行拟合从而总结出规律。然而机器学习的工作方式离人脑依然有相当距离，不同于机器学习需要大量的数据，人类在学习过程中只需要比较少量的信息就能掌握规律，并通过逻辑推理不断适应事物和环境的变化。

部分内容摘自知乎、《统计因果推理》和因果推理课程等，仅供个人学习使用

和积网络与因果推断数据集.zip

因果推断是研究如何更加科学地识别变量间的因果关系及多期DID和事件研究法的数据和代码 　　客观事物普遍存在着内在的因果联系，人们只有弄清事物发展变化的前因后果，才能全面地、本质地认识事物。基干事物发展的这种规律，在论证观点时，有时就可以直接从事物本身的因果关系中进行推论，这就叫因果推断法。 　　世上万事万物，有因就有果，有果必有因。说明事物为什么会发生、为什么会得到某种结果，都是通过论述事物的运动发展的因果关系来完成的。 　　因果推论要求原因先于结果，原因与结果同时变化或者相关，对于结果不存在其他可能的解释，强调原因的唯一性。 部分文献如下：McGavock T. Here waits the bride? The effect of Ethiopia's child marriage law[J]. Journal of Development Economics, 2021, 149: 102580.

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

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。