Dies ist die Linux-App namens EconML, deren neueste Version als v0.16.0sourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens EconML mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
EconML
BESCHREIBUNG
EconML ist ein Python-Paket zum Schätzen heterogener Behandlungseffekte aus Beobachtungsdaten mittels maschinellem Lernen. Dieses Paket wurde im Rahmen des ALICE-Projekts bei Microsoft Research mit dem Ziel entwickelt und erstellt, modernste Techniken des maschinellen Lernens mit Ökonometrie zu kombinieren, um komplexe Probleme der kausalen Inferenz zu automatisieren. Eines der größten Versprechen des maschinellen Lernens ist die Automatisierung der Entscheidungsfindung in einer Vielzahl von Bereichen. Im Mittelpunkt vieler datengesteuerter personalisierter Entscheidungsszenarien steht die Schätzung heterogener Behandlungseffekte: Welchen kausalen Effekt hat eine Intervention auf ein relevantes Ergebnis für eine Stichprobe mit einem bestimmten Satz von Merkmalen? Kurz gesagt ist dieses Toolkit darauf ausgelegt, den kausalen Effekt einiger Behandlungsvariablen T auf eine Ergebnisvariable Y zu messen, wobei ein Satz von Merkmalen X, W kontrolliert wird, und wie dieser Effekt als Funktion von X variiert.
Eigenschaften
- Implementieren Sie aktuelle Techniken aus der Literatur an der Schnittstelle von Ökonometrie und maschinellem Lernen
- Dokumentation vorhanden
- Bewahren Sie Flexibilität bei der Modellierung der Effektheterogenität
- Verwenden Sie eine einheitliche API
- Bauen Sie auf Standard-Python-Paketen für maschinelles Lernen und Datenanalyse auf
- Beispiele enthalten
Programmiersprache
Python
Kategorien
Diese Anwendung ist auch unter https://sourceforge.net/projects/econml.mirror/ verfügbar. Sie wurde in OnWorks gehostet, um die Ausführung online auf einem unserer kostenlosen Betriebssysteme zu vereinfachen.
