dowhy

DoWhyは、PyWhyエコシステムの下で開発された、因果推論のためのオープンソースのPythonライブラリです。因果推論のステップをユーザーにガイドし、因果に関する質問に答えるための統一インターフェースを提供するように設計されています。 このライブラリは、グラフィカル因果モデルと潜在的結果という2つの主要なフレームワークに基づいています。効果推定には、グラフベースの基準とdo計算を使用して仮定をモデル化し、ノンパラメトリックな因果効果を特定した後、推定には潜在的結果に基づく方法に切り替えます。効果推定以外の質問については、各ノードで明示的な因果メカニズムを通じてデータ生成プロセスをモデル化し、観測された効果を特定の変数に帰属させ、点ごとの反事実を推定できるようにします。 主な機能は次のとおりです。 - 効果推定：識別、平均因果効果、条件付き平均因果効果、操作変数など。 - 因果影響の定量化：媒介分析、直接的な矢印の強さ、固有の因果影響。 - What-if分析：介入分布からのサンプル生成と反事実の推定。 - 根本原因分析と説明：異常を原因に帰属させ、分布変化の原因を見つけ、特徴量の関連性を推定します。 注目すべき機能は、反証および反証可能性APIです。これは、あらゆる推定方法の因果仮定をテストでき、推論をより堅牢にし、非専門家が利用しやすくすることを目的としています。 効果推定の典型的なワークフローは、モデル化、識別、推定、反証の4つのステップで構成されます。ユーザーは（多くの場合NetworkXを介して）因果グラフを定義し、ターゲットとなる推定対象を特定し、統計的手法でそれを推定し、その後、堅牢性チェックを実行します。DoWhyは解釈可能性を重視しており、テストされていない仮定、特定された推定対象、推定値をいつでも検査できます。 グラフィカル因果モデル（GCM）フレームワークは、構造的因果モデル、因果メカニズムの自動割り当て、フィッティング、評価、異常帰属、介入サンプリングをサポートしています。これはPearlのフレームワークに基づいており、因果メカニズムを明示的にモデル化します。 DoWhyはPython 3.8以降をサポートしており、pip、poetry、またはcondaでインストールできます。pydotやpygraphvizなどのオプションの依存関係により、dot形式でのグラフ入力と、より見栄えの良いグラフが可能になります。このプロジェクトは、広範なドキュメント、サンプルノートブック、ケーススタディ、ビデオチュートリアルを提供しています。これは、条件付き平均治療効果の推定のためのEconMLなどの関連ツールをホストするPyWhy組織の一部です。