معرفی شرکت ها

causal-discovery-0.1.1

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.1.1
0.1.0
0.1.1
0.1.0

توضیحات

-
ویژگی مقدار
سیستم عامل -
نام فایل causal-discovery-0.1.1
نام causal-discovery
نسخه کتابخانه 0.1.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده nutorbit
ایمیل نویسنده nutorbitx@gmail.com
آدرس صفحه اصلی -
آدرس اینترنتی https://pypi.org/project/causal-discovery/
مجوز -
# Causal discovery Causal discovery is the process of inferring causal relationships between variables from observational data. This repository aims to provide a collection of causal discovery algorithms implemented in Python. ## Development setup This repository uses [Poetry](https://python-poetry.org/) as a dependency manager. To install the dependencies, run: ```zsh $ poetry install ``` ## Usage You can install the package from PyPI: ```zsh $ pip install causal-discovery ``` example usage: ```python from causal_discovery.algos.notears import NoTears # load dataset dataset = ... # initialize model model = NoTears( rho=1, alpha=0.1, l1_reg=0, lr=1e-2 ) # learn the graph _ = model.learn(dataset) # adjacency matrix print(model.get_result()) ``` ## Algorithms | Algorithm | Reference | |-----------|-----------| | **NOTEARS** | [DAGs with NO TEARS: Continuous Optimization for Structure Learning, 2019](https://arxiv.org/abs/1803.01422) | ## Results This is the example of the results of the algorithm. ![Results](./images/notears_res.png) How to read this figure: for any value in coordinate (x, y) means the causal effect from y -> x.


نیازمندی

مقدار نام
>=0.4.1,<0.5.0 jax
>=0.4.1,<0.5.0 jaxlib
>=0.0.9,<0.0.10 dm-haiku
>=0.1.4,<0.2.0 optax
>=2.8.8,<3.0.0 networkx
>=4.64.1,<5.0.0 tqdm
>=3.6.2,<4.0.0 matplotlib
>=0.12.1,<0.13.0 seaborn
>=0.3.1,<0.4.0 pyvis


زبان مورد نیاز

مقدار نام
>=3.8,<4.0 Python


نحوه نصب


نصب پکیج whl causal-discovery-0.1.1:

    pip install causal-discovery-0.1.1.whl


نصب پکیج tar.gz causal-discovery-0.1.1:

    pip install causal-discovery-0.1.1.tar.gz