DoWhy-GCM: An extension of DoWhy for causal inference in graphical causal models

要約

グラフィカル因果モデルを活用する DoWhy Python ライブラリの拡張機能である DoWhy-GCM を紹介します。
主に効果の推定に焦点を当てた既存の因果関係ライブラリとは異なり、DoWhy-GCM は、外れ値や分布変化の根本原因の特定、各ノードのデータ生成プロセスへの因果影響の帰属、または因果構造の診断など、さまざまな因果関係のクエリに対応します。
DoWhy-GCM を使用すると、通常、ユーザーは因果関係グラフを介して因果関係を指定し、因果メカニズムを適合させ、因果関係のクエリを提示します。これらすべてをわずか数行のコードで行うことができます。
一般的なドキュメントは https://www.pywhy.org/dowhy で、DoWhy-GCM 固有のコードは https://github.com/py-why/dowhy/tree/main/dowhy/gcm で入手できます。

要約(オリジナル)

We present DoWhy-GCM, an extension of the DoWhy Python library, which leverages graphical causal models. Unlike existing causality libraries, which mainly focus on effect estimation, DoWhy-GCM addresses diverse causal queries, such as identifying the root causes of outliers and distributional changes, attributing causal influences to the data generating process of each node, or diagnosis of causal structures. With DoWhy-GCM, users typically specify cause-effect relations via a causal graph, fit causal mechanisms, and pose causal queries — all with just a few lines of code. The general documentation is available at https://www.pywhy.org/dowhy and the DoWhy-GCM specific code at https://github.com/py-why/dowhy/tree/main/dowhy/gcm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google