 |
Article dans une revue
Causal Discovery Toolbox: Uncovering causal relationships in Python
Abstract : This paper presents a new open source Python framework for causal discovery from observational data and domain background knowledge, aimed at causal graph and causal mechanism modeling. The Cdt package implements an end-to-end approach, recovering the direct dependencies (the skeleton of the causal graph) and the causal relationships between variables. It includes algorithms from the 'Bnlearn' (Scutari, 2018) and 'Pcalg' (Kalisch et al., 2018) packages, together with algorithms for pairwise causal discovery such as ANM (Hoyer et al., 2009). Cdt is available under the MIT License at https://github.com/FenTechSolutions/CausalDiscoveryToolbox.
Littérature citée [16 références]
https://hal.univ-angers.fr/hal-02945539
Contributeur : Olivier Goudet Connectez-vous pour contacter le contributeur
Soumis le : mardi 22 septembre 2020 - 13:56:14
Dernière modification le : jeudi 3 février 2022 - 11:14:51
Archivage à long terme le : : mercredi 23 décembre 2020 - 18:07:47
Contributeur : Olivier Goudet Connectez-vous pour contacter le contributeur
Soumis le : mardi 22 septembre 2020 - 13:56:14
Dernière modification le : jeudi 3 février 2022 - 11:14:51
Archivage à long terme le : : mercredi 23 décembre 2020 - 18:07:47
Fichier
19-187.pdf
Fichiers éditeurs autorisés sur une archive ouverte
Licence
Distributed under a Creative Commons Paternité 4.0 International License