About CausalML — causalml documentation
About CausalML CausalML is a Python package that provides a suite of uplift modeling and causal inference methods using machine learning algorithms based on recent research. It provides a standard interface that allows user to estimate the Conditional Average Treatment Effect (CATE), also known as Individual Treatment Effect (ITE), from experimental or observational data. Essentially, it estimate
RandomForestベースのUplift-modelingを試してみる | DevelopersIO
最初に causalmlを使って「RandomForest」ベースの手法でUplift-modelingを試してみました。 実際にやっていく過程を通して、本手法に対する理解を深めていくことを目的としています。 具体的にやっていくことは「データの準備」、「モデルの学習」、「結果の可視化」です。 目次 1.最初に 2.データとやることの概要 3.やってみた 4.最後に 1.最初に 基本的にはcausalmlのドキュメントやサンプルノートブックファイル、実装内容を元に確認を進めていきます。 ドキュメントは下記を、 About Causal ML Ensemble methods for uplift modeling サンプルノートブックファイルは下記の2つを uplift_tree_visualization.ipynb uplift_trees_with_synthetic_data.ipy
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Causal ML Paper Reading Group - 2020-06-20
【機械学習-因果推論】CausalMLのドキュメントを読む回
causalml/meta_learners_with_synthetic_data.ipynb at master · uber/causalml
