简介

以科学严谨的方式评估因果推理方法是一项繁琐且易出错的任务。为了促进良好的科学实践，JustCause提供了一种框架，可以轻松

1. 使用常见的数据集，如IHDP、IBM ACIC等，评估您的方法；
2. 以通用但标准化的方法创建合成数据集；
3. 将您的方法与其他基线和方法进行比较。

我们的目标是开发一个框架，让您能够以公平和公正的方式比较因果推理方法。JustCause仍在开发中，并欢迎新的贡献者。

安装

如果您只想使用JustCause的功能，请使用以下命令安装：

pip install justcause

首先考虑使用 conda 创建一个虚拟环境。

希望开发并贡献自己的算法和数据集到JustCause框架的开发者，应该

1. 克隆仓库并切换到目录

   git clone https://github.com/inovex/justcause.git
   cd justcause
   

2. 使用 conda 创建名为 justcause 的环境，

   conda env create -f environment.yaml
   

3. 然后使用以下命令激活新环境

   conda activate justcause
   

4. 使用以下命令安装 justcause

   python setup.py install # or `develop`
   

可选的，并且只需在 git clone 后运行一次

5. 使用以下命令安装几个 pre-commit git 插件，

   pre-commit install
   

   并检查 .pre-commit-config.yaml 下的配置。可以使用 git commit 的 -n, --no-verify 标志临时禁用 pre-commit 插件。

相关项目及资源

1. causalml：使用Python机器学习算法进行因果推断
2. DoWhy：使用图进行识别的因果推断
3. EconML：Python中的异质效应估计
4. awesome-list：非常广泛的因果方法和相应代码列表
5. IBM-Causal-Inference-Benchmarking-Framework：IBM的因果推断基准测试框架
6. CausalNex：结合机器学习和领域专业知识进行因果推理的贝叶斯网络

注意

本项目使用 PyScaffold 3.2.2 和 dsproject 扩展 0.4 设置。有关 PyScaffold 的详细信息和使用说明，请参阅 https://pyscaffold.org/。