Git Stars Git Stars

#causal-models Dépôts

Découvrez 7 dépôts GitHub open source actifs associés à #causal-models, cumulant 17,524 étoiles au total (soit une moyenne de 2,503 étoiles par projet). Le projet en tête de ce thème est py-why/dowhy, avec 8,411 étoiles.

7
Total des Dépôts
17,524
Nombre total d'étoiles
2,503
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook
1
py-why/dowhy

DoWhy est une bibliothèque Python pour l'inférence causale qui prend en charge la modélisation et le test explicites des hypothèses causales. DoWhy est basé sur un langage unifié pour l'inférence causale, combinant des modèles graphiques causaux et des cadres de résultats potentiels.

py-why
⭐ 8,411 Python 👤 py-why Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2018-05-31
2
pgmpy/pgmpy

Kit d'outils Python pour le raisonnement causal et probabiliste

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-09-20
3
mckinsey/causalnex

Une bibliothèque Python qui aide les data scientists à inférer la causalité plutôt que d'observer la corrélation.

mckinsey
⭐ 2,492 Python 👤 mckinsey Organization 🕐 Mis à jour 2026-08-31 📅 Créé 2019-12-12
4
FenTechSolutions/CausalDiscoveryToolbox

Paquet pour l'inférence causale dans les graphes et dans les paramètres par paires. Des outils pour la récupération de la structure du graphe et des dépendances sont inclus.

FenTechSolutions
⭐ 1,242 Python 👤 FenTechSolutions Organization 🕐 Mis à jour 2025-10-13 📅 Créé 2017-05-31
5
BiomedSciAI/causallib

Un package Python pour l'analyse modulaire d'inférence causale et les évaluations de modèles

BiomedSciAI
⭐ 836 Python 👤 BiomedSciAI Organization 🕐 Mis à jour 2026-05-26 📅 Créé 2019-04-04
6
erdogant/bnlearn

Paquet Python pour la Découverte Causale en apprenant la structure graphique des réseaux bayésiens. Structure Learning, Parameter Learning, Inférences, Méthodes d'échantillonnage.

erdogant
⭐ 647 Jupyter Notebook 👤 erdogant User 🕐 Mis à jour 2026-11-17 📅 Créé 2020-01-01
7
cdt15/lingam

Paquet Python pour la découverte causale basé sur LiNGAM.

cdt15
⭐ 511 Python 👤 cdt15 Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2019-08-22

Foire aux questions

1

Quel est le dépôt #causal-models le plus populaire sur GitHub ?

Le projet #causal-models open source le mieux classé sur GitHub est py-why/dowhy, avec 8,411 étoiles. DoWhy est une bibliothèque Python pour l'inférence causale qui prend en charge la modélisation et le test explicites des hypothèses causales. DoWhy est basé sur un langage unifié pour l'inférence causale, combinant des modèles graphiques causaux et des cadres de résultats potentiels.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #causal-models ?

Parmi les projets #causal-models les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.

3

Comment le classement des dépôts #causal-models est-il calculé ?

Nous suivons 7 dépôts open source actifs associés à #causal-models (500+ étoiles), totalisant 17,524 étoiles, avec une moyenne de 2,503 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.