1.國(guó)內(nèi)一個(gè)武漢大學(xué)教授手下博士寫(xiě)的基礎(chǔ)的因果知識(shí)課件：

http://www.liuyanecon.com/wp-content/uploads/%E7%8E%8B%E5%81%A520201022.pdf

感興趣可以看看其他手下博士做的課件：

Causal inference reading group 2020 – 劉巖 – 宏觀&金融

2.耶魯大學(xué)教授課程全套

?課件+代碼+視頻

代碼：GitHub - paulgp/applied-methods-phd: Repo for Yale Applied Empirical Methods PHD Course

?視頻：https://www.youtube.com/playlist?list=PLWWcL1M3lLlojLTSVf2gGYQ_9TlPyPbiJ&themeRefresh=1

課件：applied-methods-phd/syllabus.pdf at main · paulgp/applied-methods-phd · GitHub

我看了一下內(nèi)容，相當(dāng)全。

3.微軟開(kāi)發(fā)的因果方法包(超全）

微軟EconML簡(jiǎn)介：基于機(jī)器學(xué)習(xí)的Heterogeneous Treatment Effects估計(jì) - 知乎

官方文檔：

Welcome to econml’s documentation! — econml 0.14.0 documentation

4.casual ML（python包）

包含了工具變量模型，以及兩個(gè)深度模型。

About Causal ML — causalml documentation

?5.因果從2015年開(kāi)始，結(jié)合到深度學(xué)習(xí)模型中，輔助模型auc更高

綜述：https://www.its.caltech.edu/~fehardt/papers/CEP2017.pdf

一個(gè)實(shí)際應(yīng)用的因果做cv的論文：https://arxiv.org/abs/1412.2309

甚至還有專門用因果解釋深度模型這個(gè)領(lǐng)域，用的是沙普利值模型：GitHub - slundberg/shap: A game theoretic approach to explain the output of any machine learning model.?

6.使用深度模型來(lái)做因果

深度神經(jīng)網(wǎng)絡(luò)中的因果推理 - 知乎

?

下面是一些比較細(xì)節(jié)的：

uplift model

https://towardsdatascience.com/a-quick-uplift-modeling-introduction-6e14de32bfe0

About Wayfair | Pylift: A Fast Python Package for Uplift Modeling

?What is Uplift modelling and how can it be done with CausalML?

?How uplift modeling works | Blogs

meta learning

21 - Meta Learners — Causal Inference for the Brave and True

xleaner?https://medium.com/grabngoinfo/x-learner-uplift-model-in-python-768260a06a4a?

xlearner?Uplift Model:X-learner - 知乎?

營(yíng)銷市場(chǎng)常見(jiàn)的點(diǎn)擊歸因

代碼包： marketing-attribution-models · PyPI

沙普利值計(jì)算包

Shapley Value Attribution Modeling | Kaggle

總結(jié)

以上是生活随笔為你收集整理的收集一些因果推断比较好的工具包，教程的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。