Dies ist die Windows-App namens DoWhy, deren neueste Version als v0.13_GeneralizedAdjustmentCriterionforeffectestimationandmissingdatasupportinGCMsourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens DoWhy 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 einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS:
Warum
BESCHREIBUNG:
DoWhy ist eine Python-Bibliothek für kausale Inferenz, die explizite Modellierung und Prüfung kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz und kombiniert kausale grafische Modelle und Frameworks für potenzielle Ergebnisse. Ähnlich wie Bibliotheken für maschinelles Lernen für Vorhersagen ist DoWhy eine Python-Bibliothek, die kausales Denken und Analysieren anregen soll. DoWhy bietet eine große Bandbreite an Algorithmen zur Effektschätzung, zum Lernen kausaler Strukturen, zur Diagnose kausaler Strukturen, zur Ursachenanalyse, für Interventionen und kontrafaktische Aussagen. DoWhy baut auf zwei der leistungsstärksten Frameworks für kausale Inferenz auf: grafische Kausalmodelle und potenzielle Ergebnisse. Zur Effektschätzung verwendet es graphenbasierte Kriterien und Do-Calculus zur Modellierung von Annahmen und Identifizierung eines nichtparametrischen kausalen Effekts. Zur Schätzung wechselt es zu Methoden, die hauptsächlich auf potenziellen Ergebnissen basieren.
Eigenschaften
- Beispiele verfügbar
- Dokumentation vorhanden
- Explizite identifizierende Annahmen
- Trennung zwischen Identifikation und Schätzung
- Automatisierte Validierung von Annahmen
- Standardparameter für die einfache Anwendung komplexer Algorithmen
Programmiersprache
Python
Kategorien
Diese Anwendung ist auch unter https://sourceforge.net/projects/dowhy.mirror/ verfügbar. Sie wurde in OnWorks gehostet, um die Ausführung online auf einfachste Weise über eines unserer kostenlosen Betriebssysteme zu ermöglichen.