Il s'agit de l'application Linux Causal ML, dont la dernière version est téléchargeable sous le nom v0.15.5sourcecode.zip. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée Causal ML avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
ML causal
DESCRIPTION
Causal ML est un package Python qui fournit une suite de méthodes de modélisation d'amélioration et d'inférence causale utilisant des algorithmes d'apprentissage automatique basés sur des recherches récentes [1]. Il fournit une interface standard permettant aux utilisateurs d'estimer l'effet moyen conditionnel du traitement (CATE) ou l'effet individuel du traitement (ITE) à partir de données expérimentales ou observationnelles. Il estime essentiellement l'impact causal de l'intervention T sur le résultat Y pour les utilisateurs présentant les caractéristiques observées X, sans hypothèses fortes sur la forme du modèle. Un levier important pour augmenter le retour sur investissement d'une campagne publicitaire est de cibler l'annonce sur l'ensemble des clients qui auront une réponse favorable à un indicateur clé de performance (KPI) donné, tel que l'engagement ou les ventes. Le CATE identifie ces clients en estimant l'effet de l'KPI à partir de l'exposition à la publicité au niveau individuel, à partir d'expériences A/B ou de données observationnelles historiques.
Caractéristiques
- Un package Python pour la modélisation Uplift et l'inférence causale avec ML
- Documents disponibles
- Optimisation du ciblage des campagnes
- Engagement personnalisé
- Exemples disponibles
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/causal-ml.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.
