1 个仓库
Awesome GitHub RepositoriesEstimator Selection
The process of testing different causal estimators and hyperparameter grids to find the optimal configuration.
Distinct from Model Performance Optimization: Distinct from Model Performance Optimization: focuses on selecting the best estimator type/grid rather than quantization or speed.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Estimator Selection. Refine with filters or upvote what's useful.
Awesome Estimator Selection GitHub Repositories
用 AI 发现最棒的仓库。我们将通过 AI 为您搜索最匹配的仓库。
- py-why/econml
py-why/EconML
4,683在 GitHub 上查看EconML 是一个 Python 因果推理库，旨在结合机器学习和计量经济学来估计异质处理效应。它作为计算条件平均处理效应的工具包，以确定特定干预措施如何影响个人或子群体。 该项目提供了一个用于双重机器学习和正交机器学习的框架，以从高维混杂因素中分离因果信号。它包括针对因果森林和工具变量学习者的专门实现，即使在存在未观察到的混杂因素的情况下，也允许恢复因果关系。 该库涵盖了广泛的功能，包括通过反驳测试和校准曲线进行的因果模型验证、个性化处理策略的构建以及动态处理机制的分析。它还支持用于不确定性量化的统计推理，以及使用基于树的模型和 Shapley 值对效应异质性的解释。 该项目主要通过 Jupyter Notebooks 实现和演示。
Supports identifying the best performing model configuration by testing various estimators and hyperparameter grids.
Jupyter Notebookcausal-inferencecausalityeconometrics
