1 repository
Awesome GitHub RepositoriesMulti-Task Causal Lasso
L1-regularized multi-task linear models designed to handle bias in observational data.
Distinct from CTR Multi-Task Models: Combines multi-task learning with Lasso regularization specifically for causal inference, distinct from CTR-specific models.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Multi-Task Causal Lasso. Refine with filters or upvote what's useful.
Awesome Multi-Task Causal Lasso GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- py-why/econml
py-why/EconML
4,683Vezi pe GitHubEconML este o bibliotecă Python pentru inferență cauzală, concepută pentru a estima efectele eterogene ale tratamentului folosind o combinație de machine learning și econometrie. Servește ca toolkit pentru calcularea efectelor medii condiționate ale tratamentului, pentru a determina modul în care intervențiile specifice impactează indivizii sau subgrupurile. Proiectul oferă un framework pentru double machine learning și orthogonal machine learning pentru a izola semnalele cauzale de factorii de confuzie de înaltă dimensiune. Include implementări specializate pentru păduri cauzale și cursanți cu variabile instrumentale, permițând recuperarea relațiilor cauzale chiar și în prezența factorilor de confuzie neobservați. Biblioteca acoperă o gamă largă de capabilități, inclusiv validarea modelelor cauzale prin teste de refutare și curbe de calibrare, construirea de politici de tratament personalizate și analiza regimurilor de tratament dinamic. De asemenea, suportă inferența statistică pentru cuantificarea incertitudinii și interpretarea eterogenității efectelor folosind modele bazate pe arbori și valori Shapley. Proiectul este implementat și demonstrat în principal prin Jupyter Notebooks.
Fits a multi-task linear model with L1 regularization and sample weights to handle biased observational data.
Jupyter Notebookcausal-inferencecausalityeconometrics
