معرفی شرکت ها

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 بیشتر

توضیحات

A framework for causal testing using causal directed acyclic graphs.

ویژگی	مقدار
سیستم عامل	-
نام فایل	causal-testing-framework-4.1.0
نام	causal-testing-framework
نسخه کتابخانه	4.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	The CITCOM team
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/causal-testing-framework/
مجوز	MIT

# Causal Testing Framework: A Causal Inference-Driven Software Testing Framework ![example workflow](https://github.com/CITCOM-project/CausalTestingFramework/actions/workflows/ci-tests.yaml/badge.svg) [![codecov](https://codecov.io/gh/CITCOM-project/CausalTestingFramework/branch/main/graph/badge.svg?token=04ijFVrb4a)](https://codecov.io/gh/CITCOM-project/CausalTestingFramework) [![Documentation Status](https://readthedocs.org/projects/causal-testing-framework/badge/?version=latest)](https://causal-testing-framework.readthedocs.io/en/latest/?badge=latest) Causal testing is a causal inference-driven framework for functional black-box testing. This framework utilises graphical causal inference (CI) techniques for the specification and functional testing of software from a black-box perspective. In this framework, we use causal directed acyclic graphs (DAGs) to express the anticipated cause-effect relationships amongst the inputs and outputs of the system-under-test and the supporting mathematical framework to design statistical procedures capable of making causal inferences. Each causal test case focuses on the causal effect of an intervention made to the system-under test. That is, a prescribed change to the input configuration of the system-under-test that is expected to cause a change to some output(s). ![Causal Testing Workflow](images/workflow.png) ## Installation See the readthedocs site for [installation instructions](https://causal-testing-framework.readthedocs.io/en/latest/installation.html). ## Documentation Further information on causal inference, the code, usage and more can be found on the [docs](https://causal-testing-framework.readthedocs.io/en/latest/)

نیازمندی

مقدار	نام
~=0.12	econml
~=1.4	fitter
~=1.1	lhsmdu
~=2.6	networkx
~=1.22	numpy
~=1.3	pandas
~=1.1	scikit-learn
~=1.7	scipy
~=0.13	statsmodels
~=0.8	tabulate
~=4.11.2	z3-solver
-	autopep8
-	isort
-	pytest
-	pylint
-	black
-	autoapi
-	myst-parser
-	sphinx-autoapi
-	sphinx-rtd-theme
~=3.0.7	covasim

زبان مورد نیاز

مقدار	نام
>=3.9	Python

نحوه نصب

نصب پکیج whl causal-testing-framework-4.1.0:

pip install causal-testing-framework-4.1.0.whl

نصب پکیج tar.gz causal-testing-framework-4.1.0:

pip install causal-testing-framework-4.1.0.tar.gz