causal-inference

DoWhy ist eine Python-Bibliothek für kausale Inferenz, die die explizite Modellierung und das Testen kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz und kombiniert kausale grafische Modelle mit Potenzial-Outcome-Frameworks.

Uplift Modeling und kausale Inferenz mit Machine-Learning-Algorithmen

ALICE (Automated Learning and Intelligence for Causation and Economics) ist ein Projekt von Microsoft Research, das darauf abzielt, Konzepte der künstlichen Intelligenz auf wirtschaftliche Entscheidungsfindungen anzuwenden. Eines seiner Ziele ist es, ein Toolkit zu entwickeln, das modernste Techniken des maschinellen Lernens mit der Ökonometrie kombiniert, um Automatisierung in komplexe kausale Inferenzprobleme zu bringen. Bisher umfasst dies das ALICE Python SDK (e

Die nächste Generation einer automatisierten Plattform für explorative Datenanalyse und -visualisierung.

Coz: Kausales Profiling

Kausale Inferenz für Mutige. Ein humorvoller und dennoch rigoroser Ansatz zum Erlernen von Wirkungsschätzung und Kausalität.

Python-Toolkit für kausales und probabilistisches Schließen

Ein Index von Algorithmen zum Erlernen von Kausalität anhand von Daten

Eine Python-Bibliothek, die Data Scientists dabei unterstützt, Kausalität abzuleiten, anstatt nur Korrelationen zu beobachten.

Eine Sammlung von Industrie-Klassikern und bahnbrechenden Papers aus den Bereichen Empfehlung, Werbung und Suche.

Kursale Entdeckung in Python. Kausalität aus Daten lernen.

Eine sofort einsatzbereite Claude-Code-Vorlage für Akademiker, die LaTeX/Beamer + R verwenden. Multi-Agenten-Review, Qualitätsprüfungen, adversariales QA und Replikationsprotokolle.

Paket für kausale Inferenz in Graphen und paarweisen Einstellungen. Tools zur Wiederherstellung der Graphenstruktur und für Abhängigkeiten sind enthalten.

Eine kuratierte Liste von Bibliotheken, Ressourcen und Anwendungen zur kausalen Inferenz.

Ein Python-Paket zur kausalen Inferenz in quasi-experimentellen Umgebungen.

Vertrauenswürdige KI-bezogene Projekte

Generalized Random Forests

Zeitschriftenbezogene Claude Code-/Codex-Skill-Pakete für Mainstream-Journals – AER, QJE, Nature, Cell, 管理世界, 经济研究 & über 200 weitere – Ihr schneller Weg zur Veröffentlichung.

Chinesische Übersetzung von „Causal Inference for the Brave and True“. Der gesamte Code basiert auf Python und eignet sich für Bereiche wie Ökonometrie, quantitative Soziologie und Richtlinienevaluation. Originalautor der englischen Version: Matheus Facure

Open-Source-Netzwerkverwaltung, -Überwachung, ITOM und Sicherheitsanalytik

Ein Python-Paket für modulare Kausalitätsanalysen und Modellbewertungen

DoubleML - Double Machine Learning in Python

Python-Implementierung von Causal Impact basierend auf dem R-Paket von Google. Erstellt mit TensorFlow Probability.

Eine kuratierte Liste von KI-Tools, Bibliotheken und Ressourcen für wirtschaftswissenschaftliche Forschung, Lehre und politische Analyse. Gepflegt vom OpenEcon-Team.

Python-Paket für kausale Entdeckung basierend auf LiNGAM.