#causal-inference 仓库
探索 39 个标记为 #causal-inference 的活跃开源 GitHub 仓库,它们累计获得 78,768 个 Star(平均每个项目 2,019 个)。该主题的领先项目是 py-why/dowhy,拥有 8,411 个 Star。
共 39 个仓库
ALICE(Automated Learning and Intelligence for Causation and Economics)是微软研究院的一个项目,旨在将人工智能概念应用于经济决策。其目标之一是构建一个工具包,将最先进的机器学习技术与计量经济学相结合,以实现复杂因果推理问题的自动化。到目前为止,ALICE Python SDK(econml)实现了正交机器学习算法,例如双重机器学习工作
推荐/广告/搜索领域工业界经典以及最前沿论文集合。A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
一个可直接 fork 的 Claude Code 学术研究模板,适用于论文、数据分析(R、Stata、Python)、幻灯片和教学,并配备多智能体审查、强制质量门槛和复现流程。Codex 和 Antigravity 也可以使用。
覆盖主流期刊的 Claude Code/Codex 期刊技能包,从选题、识别策略到表格规范与审稿回复全流程,助你快速发论文。
面向流行的场景图生成方法(2020)的新代码库。提供自定义图像/数据集的场景图可视化与提取。它也是论文“Unbiased Scene Graph Generation from Biased Training CVPR 2020”的 PyTorch 实现。
Causal Inference for the Brave and True的中文翻译版。全部代码基于Python,适用于计量经济学、量化社会学、策略评估等领域。英文版原作者:Matheus Facure
常见问题解答
GitHub 上最受欢迎的 #causal-inference 仓库是什么?
GitHub 上排名第一的开源 #causal-inference 项目是 py-why/dowhy,拥有 8,411 个 Star。DoWhy 是一个用于因果推断的 Python 库,支持因果假设的显式建模和测试。DoWhy 基于因果推断的统一语言,结合了因果图形模型和潜在结果框架。
#causal-inference 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #causal-inference 项目中,最常见的编程语言是 Python, Jupyter Notebook, R, TypeScript。
#causal-inference 仓库的排名是如何计算的?
我们跟踪了 39 个标记为 #causal-inference 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 78,768 个 Star,平均每个仓库拥有 2,019 个 Star。排名每日根据 GitHub API 更新。