معرفی شرکت ها
JustCause-0.4
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Comparing methods for causality analysis in a fair and just way.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | OS Independent |
| نام فایل | JustCause-0.4 |
| نام | JustCause |
| نسخه کتابخانه | 0.4 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Maximilian Franz, Florian Wilhelm |
| ایمیل نویسنده | Maximilian.Franz@inovex.de, Florian.Wilhelm@inovex.de |
| آدرس صفحه اصلی | https://github.com/inovex/justcause/ |
| آدرس اینترنتی | https://pypi.org/project/JustCause/ |
| مجوز | mit |
[](https://justcause.readthedocs.io/en/latest/?badge=latest)
[](https://cirrus-ci.com/github/inovex/justcause)
[](https://coveralls.io/github/inovex/justcause?branch=master)
[](https://black.readthedocs.io/en/stable/)
[](https://pypi.org/project/justcause/)
<div style="text-align:center">
<p align="center">
<img alt="JustCause logo" src="https://justcause.readthedocs.io/en/latest/_static/logo.png">
</p>
</div>
<br/>
# Introduction
Evaluating causal inference methods in a scientifically thorough way is a cumbersome and error-prone task.
To foster good scientific practice **JustCause** provides a framework to easily:
1. evaluate your method using common data sets like IHDP, IBM ACIC, and others;
2. create synthetic data sets with a generic but standardized approach;
3. benchmark your method against several baseline and state-of-the-art methods.
Our *cause* is to develop a framework that allows you to compare methods for causal inference
in a fair and *just* way. JustCause is a work in progress and new contributors are always welcome.
# Installation
If you just want to use the functionality of JustCause, install it with:
```
pip install justcause
```
Consider using [conda] to create a virtual environment first.
Developers that want to develop and contribute own algorithms and data sets to the JustCause framework, should:
1. clone the repository and change into the directory
```
git clone https://github.com/inovex/justcause.git
cd justcause
```
2. create an environment `justcause` with the help of [conda],
```
conda env create -f environment.yaml
```
3. activate the new environment with
```
conda activate justcause
```
4. install `justcause` with:
```
python setup.py install # or `develop`
```
Optional and needed only once after `git clone`:
5. install several [pre-commit] git hooks with:
```
pre-commit install
```
and checkout the configuration under `.pre-commit-config.yaml`.
The `-n, --no-verify` flag of `git commit` can be used to deactivate pre-commit hooks temporarily.
# Related Projects & Resources
1. [causalml]: causal inference with machine learning algorithms in Python
2. [DoWhy]: causal inference using graphs for identification
3. [EconML]: Heterogeneous Effect Estimation in Python
4. [awesome-list]: A very extensive list of causal methods and respective code
5. [IBM-Causal-Inference-Benchmarking-Framework]: Causal Inference Benchmarking Framework by IBM
6. [CausalNex]: Bayesian Networks to combine machine learning and domain expertise for causal reasoning.
## Note
This project has been set up using [PyScaffold] 3.2.2 and the [dsproject extension] 0.4.
For details and usage information on PyScaffold see https://pyscaffold.org/.
[conda]: https://docs.conda.io/
[pre-commit]: https://pre-commit.com/
[Jupyter]: https://jupyter.org/
[Google style]: http://google.github.io/styleguide/pyguide.html#38-comments-and-docstrings
[PyScaffold]: https://pyscaffold.org/
[dsproject extension]: https://github.com/pyscaffold/pyscaffoldext-dsproject
[causalml]: https://github.com/uber/causalml
[DoWhy]: https://github.com/Microsoft/dowhy
[EconML]: https://github.com/microsoft/EconML
[awesome-list]: https://github.com/rguo12/awesome-causality-algorithms
[IBM-Causal-Inference-Benchmarking-Framework]: https://github.com/IBM-HRL-MLHLS/IBM-Causal-Inference-Benchmarking-Framework
[CausalNex]: https://causalnex.readthedocs.io/
نیازمندی
| مقدار | نام |
|---|---|
| - | numpy |
| - | pyarrow |
| >=1.0 | pandas |
| - | scikit-learn |
| - | requests |
| - | pygam |
| - | pytest |
| - | pytest-cov |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl JustCause-0.4:
pip install JustCause-0.4.whl
نصب پکیج tar.gz JustCause-0.4:
pip install JustCause-0.4.tar.gz