Ini adalah aplikasi Windows bernama Causal ML yang rilis terbarunya dapat diunduh sebagai v0.15.5sourcecode.zip. Aplikasi ini dapat dijalankan secara daring di penyedia hosting gratis OnWorks untuk workstation.
Unduh dan jalankan aplikasi ini secara online bernama Causal ML dengan OnWorks secara gratis.
Ikuti petunjuk ini untuk menjalankan aplikasi ini:
- 1. Download aplikasi ini di PC Anda.
- 2. Masuk ke file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan username yang anda inginkan.
- 3. Upload aplikasi ini di filemanager tersebut.
- 4. Mulai emulator online OS OnWorks apa pun dari situs web ini, tetapi emulator online Windows yang lebih baik.
- 5. Dari OS Windows OnWorks yang baru saja Anda mulai, buka file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang Anda inginkan.
- 6. Unduh aplikasi dan instal.
- 7. Unduh Wine dari repositori perangkat lunak distribusi Linux Anda. Setelah terinstal, Anda kemudian dapat mengklik dua kali aplikasi untuk menjalankannya dengan Wine. Anda juga dapat mencoba PlayOnLinux, antarmuka mewah di atas Wine yang akan membantu Anda menginstal program dan game Windows populer.
Wine adalah cara untuk menjalankan perangkat lunak Windows di Linux, tetapi tidak memerlukan Windows. Wine adalah lapisan kompatibilitas Windows sumber terbuka yang dapat menjalankan program Windows secara langsung di desktop Linux apa pun. Pada dasarnya, Wine mencoba untuk mengimplementasikan kembali Windows dari awal sehingga dapat menjalankan semua aplikasi Windows tersebut tanpa benar-benar membutuhkan Windows.
Tangkapan layar
Ad
ML Kausal
DESKRIPSI
Causal ML adalah paket Python yang menyediakan serangkaian pemodelan peningkatan dan metode inferensi kausal menggunakan algoritma pembelajaran mesin berdasarkan penelitian terkini [1]. Paket ini menyediakan antarmuka standar yang memungkinkan pengguna memperkirakan Conditional Average Treatment Effect (CATE) atau Individual Treatment Effect (ITE) dari data eksperimen atau observasi. Pada dasarnya, paket ini memperkirakan dampak kausal intervensi T pada hasil Y untuk pengguna dengan fitur X yang diamati, tanpa asumsi yang kuat pada bentuk model. Pengungkit penting untuk meningkatkan ROI dalam kampanye iklan adalah menargetkan iklan ke sekumpulan pelanggan yang akan memiliki respons yang baik dalam KPI tertentu seperti keterlibatan atau penjualan. CATE mengidentifikasi pelanggan ini dengan memperkirakan efek KPI dari paparan iklan pada tingkat individu dari eksperimen A/B atau data observasi historis.
Fitur
- Paket Python untuk Pemodelan Peningkatan dan Inferensi Kausal dengan ML
- Dokumentasi tersedia
- Optimasi penargetan kampanye
- Keterlibatan yang dipersonalisasi
- Contoh tersedia
Bahasa Pemrograman
Ular sanca
KATEGORI
Ini adalah aplikasi yang juga dapat diunduh dari https://sourceforge.net/projects/causal-ml.mirror/. Aplikasi ini dihosting di OnWorks agar dapat dijalankan secara daring dengan cara termudah dari salah satu Sistem Operasi gratis kami.
