#causal-inference Репозитории
Откройте для себя 39 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #causal-inference, с общим числом 78,768 звёзд (в среднем 2,019 на проект). Лидером этой темы является py-why/dowhy, набравший 8,411 звёзд.
Всего репозиториев: 39
DoWhy — это библиотека Python для причинно-следственной инференции, которая поддерживает явное моделирование и тестирование причинных предположений. DoWhy основана на едином языке для причинно-следственной инференции, объединяющем причинные графические модели и фреймворки потенциальных исходов.
Моделирование uplift и причинная инференция с использованием алгоритмов машинного обучения
ALICE (Automated Learning and Intelligence for Causation and Economics) — это проект Microsoft Research, направленный на применение концепций искусственного интеллекта в экономическом принятии решений. Одна из его целей — создание набора инструментов, сочетающего передовые методы машинного обучения с эконометрикой, чтобы автоматизировать сложные задачи причинно-следственного вывода. На сегодняшний день ALICE Python SDK (econml) реализует ортогональные алгоритмы машинного обучения, такие как работа по двойному машинному обучению
Следующее поколение автоматизированной платформы для исследовательского анализа данных и визуализации.
Причинно-следственные выводы для смелых и истинных. Легкий, но строгий подход к изучению оценки воздействия и причинности.
Библиотека Python, которая помогает ученым данных выводить причинно-следственные связи, а не просто наблюдать корреляции.
Репозиторий для докторской программы Йельского университета по прикладным эмпирическим методам
Сборник отраслевых классических и передовых статей по рекомендациям/рекламе/поиску. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Временная графовая сверточная сеть для прогнозирования городского транспортного потока
Tigramite — это пакет Python для причинно-следственного вывода с акцентом на данные временных рядов. Документация Tigramite находится по адресу
Готовый к форку шаблон Claude Code для академических исследований: статьи, анализ данных (R, Stata, Python), презентации и преподавание. Включает проверку несколькими агентами, обязательные контрольные этапы качества и протоколы воспроизведения результатов. Шаблон также совместим с Codex и Antigravity.
Выявление причинно-следственных связей в Python. Обучение причинно-следственным связям из данных.
Пакеты навыков Claude Code/Codex для конкретных журналов, охватывающие ведущие издания — AER, QJE, Nature, Cell, Management World, Economic Research Journal и более 200 других — ваш кратчайший путь к публикации.
Пакет для причинно-следственного вывода в графах и в парных настройках. Включает инструменты для восстановления структуры графа и зависимостей.
Пакет Python для причинно-следственного вывода в квазиэкспериментальных условиях
Курированный список библиотек, ресурсов и приложений для причинно-следственного вывода.
Новая кодовая база для популярных методов генерации графов сцен (2020). Предоставляется визуализация и извлечение графов сцен из пользовательских изображений/наборов данных. Это также реализация на PyTorch статьи «Unbiased Scene Graph Generation from Biased Training CVPR 2020»
Причинно-следственный вывод и обнаружение причинно-следственных связей на Python от Packt Publishing
Китайский перевод "Causal Inference for the Brave and True". Весь код основан на Python и применим в таких областях, как эконометрика, количественная социология, оценка стратегий и т. д. Автор оригинальной английской версии: Matheus Facure
Управление сетью с открытым исходным кодом, мониторинг, ITOM, наблюдаемость и аналитика безопасности
Пакет Python для модульного анализа причинно-следственной связи и оценки моделей
Подборка инструментов ИИ, навыков агентов, библиотек и ресурсов для экономических исследований, преподавания и анализа политики. Поддерживается командой OpenEcon.
Список литературы по статьям о причинно-следственных связях для обработки естественного языка (NLP)
Реализация Python Causal Impact на основе пакета R от Google. Сборка с использованием TensorFlow Probability.
Пакет R для выполнения 2-выборочного MR с использованием базы данных IEU OpenGWAS
Часто задаваемые вопросы
Какой репозиторий по теме #causal-inference наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #causal-inference на GitHub — py-why/dowhy, набравший 8,411 звёзд. DoWhy — это библиотека Python для причинно-следственной инференции, которая поддерживает явное моделирование и тестирование причинных предположений. DoWhy основана на едином языке для причинно-следственной инференции, объединяющем причинные графические модели и фреймворки потенциальных исходов.
Какие языки программирования чаще всего используются в репозиториях по теме #causal-inference?
Среди наиболее высоко оценённых проектов по теме #causal-inference на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, R, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #causal-inference?
Мы отслеживаем 39 активных репозиториев с открытым исходным кодом, отмеченных тегом #causal-inference (500 и более звёзд), с общим числом 78,768 звёзд и в среднем 2,019 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.