প্রকল্প সম্পর্কে

DoWhy হলো কার্যকারণ অনুমানের জন্য একটি ওপেন-সোর্স পাইথন লাইব্রেরি, যা PyWhy ইকোসিস্টেমের অধীনে বিকশিত। এটি ব্যবহারকারীদের কার্যকারণ যুক্তির ধাপগুলির মাধ্যমে পরিচালিত করার জন্য এবং কার্যকারণ প্রশ্নের উত্তর দেওয়ার জন্য একটি একীভূত ইন্টারফেস প্রদানের জন্য ডিজাইন করা হয়েছে। লাইব্রেরিটি দুটি প্রধান কাঠামোর উপর নির্মিত: গ্রাফিক্যাল কার্যকারণ মডেল এবং সম্ভাব্য ফলাফল। প্রভাব অনুমানের জন্য, এটি গ্রাফ-ভিত্তিক মানদণ্ড এবং do-calculus ব্যবহার করে অনুমান মডেল করতে এবং নন-প্যারামেট্রিক কার্যকারণ প্রভাব সনাক্ত করতে, তারপর অনুমানের জন্য সম্ভাব্য-ফলাফল-ভিত্তিক পদ্ধতিতে স্যুইচ করে। প্রভাব অনুমানের বাইরের প্রশ্নগুলির জন্য, এটি প্রতিটি নোডে স্পষ্ট কার্যকারণ প্রক্রিয়ার মাধ্যমে ডেটা জেনারেশন প্রক্রিয়া মডেল করে, যা পর্যবেক্ষণ করা প্রভাবগুলিকে নির্দিষ্ট ভেরিয়েবলের সাথে আরোপণ এবং পয়েন্ট-ওয়াইজ কাউন্টারফ্যাকচুয়াল অনুমান সক্ষম করে। প্রধান সক্ষমতাগুলির মধ্যে রয়েছে: - প্রভাব অনুমান: সনাক্তকরণ, গড় কার্যকারণ প্রভাব, শর্তসাপেক্ষ গড় কার্যকারণ প্রভাব, ইন্সট্রুমেন্টাল ভেরিয়েবল, এবং আরও অনেক কিছু। - কার্যকারণ প্রভাব পরিমাপ: মধ্যস্থতা বিশ্লেষণ, সরাসরি তীর শক্তি, অন্তর্নিহিত কার্যকারণ প্রভাব। - হোয়াট-ইফ বিশ্লেষণ: হস্তক্ষেপমূলক বিতরণ থেকে নমুনা তৈরি করা এবং কাউন্টারফ্যাকচুয়াল অনুমান করা। - মূল কারণ বিশ্লেষণ এবং ব্যাখ্যা: অসঙ্গতিগুলিকে কারণের সাথে আরোপণ করা, বিতরণ পরিবর্তনের কারণ খুঁজে বের করা, এবং বৈশিষ্ট্যের প্রাসঙ্গিকতা অনুমান করা। একটি উল্লেখযোগ্য বৈশিষ্ট্য হলো খণ্ডন এবং মিথ্যা-প্রমাণ API, যা যেকোনো অনুমান পদ্ধতির জন্য কার্যকারণ অনুমান পরীক্ষা করতে পারে, যার লক্ষ্য অনুমানকে আরও দৃঢ় এবং অ-বিশেষজ্ঞদের জন্য সহজলভ্য করা। প্রভাব অনুমানের জন্য সাধারণ কর্মপ্রবাহে চারটি ধাপ জড়িত: মডেল, সনাক্তকরণ, অনুমান, এবং খণ্ডন। ব্যবহারকারীরা একটি কার্যকারণ গ্রাফ সংজ্ঞায়িত করেন (প্রায়শই NetworkX-এর মাধ্যমে), লক্ষ্য estimand সনাক্ত করেন, একটি পরিসংখ্যানগত পদ্ধতিতে এটি অনুমান করেন, এবং তারপর দৃঢ়তা পরীক্ষা চালান। DoWhy ব্যাখ্যাযোগ্যতার উপর জোর দেয়, যেকোনো সময় অপরীক্ষিত অনুমান, সনাক্তকৃত estimand, এবং অনুমান পরিদর্শনের অনুমতি দেয়। গ্রাফিক্যাল কার্যকারণ মডেল (GCM) কাঠামো স্ট্রাকচারাল কার্যকারণ মডেল, কার্যকারণ প্রক্রিয়ার স্বয়ংক্রিয় অ্যাসাইনমেন্ট, ফিটিং, মূল্যায়ন, অসঙ্গতি আরোপণ, এবং হস্তক্ষেপমূলক নমুনা সমর্থন করে। এটি পার্লের কাঠামোর উপর ভিত্তি করে এবং কার্যকারণ প্রক্রিয়াগুলি স্পষ্টভাবে মডেল করে। DoWhy পাইথন 3.8+ সমর্থন করে এবং pip, poetry, বা conda-এর মাধ্যমে ইনস্টল করা যায়। pydot বা pygraphviz-এর মতো ঐচ্ছিক নির্ভরতা dot ফরম্যাটে গ্রাফ ইনপুট এবং আরও সুন্দর গ্রাফ সক্ষম করে। প্রকল্পটি বিস্তৃত ডকুমেন্টেশন, উদাহরণ নোটবুক, কেস স্টাডি, এবং ভিডিও টিউটোরিয়াল প্রদান করে। এটি PyWhy সংস্থার অংশ, যা শর্তসাপেক্ষ গড় চিকিৎসা প্রভাব অনুমানের জন্য EconML-এর মতো সম্পর্কিত সরঞ্জাম হোস্ট করে।