DoWhy ist eine Python-Bibliothek für kausale Inferenz, die explizites Modellieren und Testen kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz, die kausale grafische Modelle und potenzielle Ergebnisrahmen kombiniert.
Modellieren und testen Sie Ursache-Wirkungs-Beziehungen in Ihren Daten mit einer Python-Bibliothek.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarDoWhy ist eine Python-Bibliothek für kausale Inferenz, die explizites Modellieren und Testen kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz, die kausale grafische Modelle und potenzielle Ergebnisrahmen kombiniert.
dowhy hat 8.2k Sterne auf GitHub. Es wurde 1k-mal geforkt. dowhy ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. dowhy ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: bayesian-networks, causal-inference, causal-machine-learning, causal-models.
DoWhy ist eine Python-Bibliothek für kausale Inferenz, die explizites Modellieren und Testen kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz, die kausale grafische Modelle und potenzielle Ergebnisrahmen kombiniert.
dowhy ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. dowhy ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
dowhy ist unter der MIT-Lizenz verfügbar.
dowhy ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://opensourceai.tech/project/py-why-dowhy.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.