没有合适的资源?快使用搜索试试~ 我知道了~
cfml_tools:我的因果推理算法集合建立在可访问的,简单的,即用的ML方法之上,旨在在业务环境中可解释和有用
共26个文件
png:8个
py:4个
ipynb:4个
需积分: 9 1 下载量 122 浏览量
2021-05-26
06:44:42
上传
评论
收藏 8.88MB ZIP 举报
温馨提示
cfml_tools:反事实机器学习工具 长期以来,机器学习从业者和统计学家都重复着同样的口头禅:关联不是因果关系。 该警告阻止(至少部分)人从模型中得出错误的结论。 但是,这也造成了一个误解,即模型不可能是因果关系的。 从因果推理文学(画了一些调整 ,,)和强化学习文学(,),我们实际上可以使机器学习了解因果关系的方法! cfml_tools是我的因果推理算法的集合,这些因果推理算法基于可访问的,简单的即用型ML方法构建,旨在在业务环境中得到解释和使用。 安装 打开您的终端并执行: git clone https://github.com/gdmarmerola/cfml_tools.git cd cfml_tools python setup.py install 基本用法 使用示例数据集来测试包: from cfml_tools . utils import make_co
资源推荐
资源详情
资源评论
收起资源包目录
cfml_tools-master.zip (26个子文件)
cfml_tools-master
img
usage_confounding.png 173KB
usage_fklearn_results.png 103KB
usage_preds.png 33KB
usage_embedding_2.png 1.33MB
usage_explain.png 129KB
usage_diagnostics.png 87KB
usage_speed.png 37KB
usage_embedding_1.png 1.12MB
requirements_dev.txt 108B
.github
PULL_REQUEST_TEMPLATE.md 42B
ISSUE_TEMPLATE.md 156B
workflows
merge_request.yml 711B
LICENSE 11KB
setup.cfg 77B
requirements.txt 233B
examples
Forest Embeddings Counterfactual.ipynb 6.58MB
Diagnosing validity of causal effects on decision trees.ipynb 815KB
Decision Tree Counterfactual.ipynb 612KB
Example - "smoking" dataset.ipynb 371KB
setup.py 662B
.gitignore 1KB
Makefile 1KB
cfml_tools
forest.py 11KB
utils.py 2KB
tree.py 15KB
README.md 7KB
共 26 条
- 1
资源评论
你就应该
- 粉丝: 43
- 资源: 4600
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功