Início Projetos causalnex
causalnex

causalnex

por mckinsey · GitHub

Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.

Ver no GitHub
Em palavras simples

Analise dados para encontrar relações de causa e efeito em vez de apenas padrões.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Licença não especificada
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
causalnex — GitHub preview card
📈 Histórico de estrelas
2.48k2.47k
2026-07-072026-07-29
📈 Acompanhe causalnex

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.

causalnex tem 2.5k estrelas no GitHub. Foi bifurcado 290 vezes. causalnex é escrito principalmente em Python. Está em desenvolvimento ativo desde 2019. Os seus principais temas são: bayesian-inference, bayesian-networks, causal-inference, causal-models.

Frequently asked questions

O que é causalnex?

Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.

causalnex é de código aberto?

causalnex é um projeto de código aberto.

causalnex é gratuito?

Sim. causalnex é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem causalnex está escrito?

causalnex é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — causalnex

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=mckinsey-causalnex)](https://olud.ai/project/mckinsey-causalnex.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.