论文地址
https://arxiv.org/pdf/2002.11631.pdf
摘要:在本文中,来自 Uber 的研究者推出了针对因果推理和机器学习算法的 Python 实现。近年来,结合因果推理和机器学习的算法早已成为热门话题。CasualML 包通过该领域一系列方法的 Python 实现,力图缩小方法论理论研究与实际应用之间的差距。
本文着重介绍了 CasualML 包的核心概念、应用范围和应用实例。此外,研究者计划将来添加更多 SOTA 增益模型,并探索更多融合机器学习与因果推理的建模方法以解决优化问题。