我想大家在研究因果推斷時，在google搜尋引擎key上關鍵字: causal inference Python package，出現了三個常見的結果，不外乎是DoWhy、EconML、CausalML，那這三個有何差異? 都是因果推斷的Python套件嗎? 還是其實不一樣?
本文章，就讓我為大家解惑吧!
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!
