事實上要進行因果推斷,最常用且著名的框架就只有微軟發布的DoWhy;而EconML、CausalML,他們是DoWhy 框架中第三步驟評估(estimate)的擴充套件。
我們都知道DoWhy有四大步驟:
- 建模 (model):利用假設(先驗知識)對因果推斷問題建模
- 識別(identify):在假設(模型)下識別因果效應的表達式(因果估計量)
- 評估(estimate):使用統計方法對表達式進行估計
- 反駁(refute):使用各種反駁檢查來驗證評估的正確性
如果讀者再仔細研讀DoWhy,可以看到在第三步驟評估(estimate),有提到可以去呼叫外部套件EconML、CausalML:
沒錯!EconML、CausalML他們就是DoWhy第三步驟的額外補充包,我們可以在進行DoWhy時,第三步驟可以考慮使用外部套件(EconML or CausalML)。
EconML vs CausalML
那EconML和CausalML又有何差異?
從圖表來看,就只有發行的組織不同,一個是微軟,另一個是Uber;後面的演算法功能、可解釋性工具,幾乎一模一樣,頂多就只是宣告跟使用的方法不同。至於要不要用,以及要選哪個套件,真的因人而異,就看個人喜好了。
結論
本文為各位解答EconML vs CausalML vs Dowhy的差別,並簡略的比較EconML vs CausalML。
未來大家要怎麼使用因果推斷的工具,真的就要靠自己去研究,看線上的影片,官方的github,並自己實作之,才能有所收穫!
若有任何錯誤或要討論的地方,非常歡迎與我聯繫。以下是我的LinkedIn:
https://www.linkedin.com/in/ray-huang-a01a5a171/
歡迎大家follow起來,也可以拍手給我一點鼓勵!