Questa è l'app per Windows chiamata Causal ML, la cui ultima versione può essere scaricata come v0.15.5sourcecode.zip. Può essere eseguita online sul provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online gratuitamente questa app chiamata Causal ML con OnWorks.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avvia qualsiasi emulatore online OS OnWorks da questo sito Web, ma migliore emulatore online Windows.
- 5. Dal sistema operativo OnWorks Windows che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione e installala.
- 7. Scarica Wine dai repository software delle tue distribuzioni Linux. Una volta installato, puoi quindi fare doppio clic sull'app per eseguirli con Wine. Puoi anche provare PlayOnLinux, un'interfaccia fantasiosa su Wine che ti aiuterà a installare programmi e giochi Windows popolari.
Wine è un modo per eseguire il software Windows su Linux, ma senza Windows richiesto. Wine è un livello di compatibilità Windows open source in grado di eseguire programmi Windows direttamente su qualsiasi desktop Linux. Essenzialmente, Wine sta cercando di re-implementare abbastanza Windows da zero in modo che possa eseguire tutte quelle applicazioni Windows senza effettivamente bisogno di Windows.
IMMAGINI
Ad
ML causale
DESCRIZIONE
Causal ML è un pacchetto Python che fornisce una suite di metodi di modellazione uplift e inferenza causale utilizzando algoritmi di apprendimento automatico basati su ricerche recenti [1]. Fornisce un'interfaccia standard che consente agli utenti di stimare l'effetto medio condizionale del trattamento (CATE) o l'effetto individuale del trattamento (ITE) a partire da dati sperimentali o osservazionali. In sostanza, stima l'impatto causale dell'intervento T sull'esito Y per gli utenti con caratteristiche osservate X, senza forti ipotesi sulla forma del modello. Un fattore importante per aumentare il ROI in una campagna pubblicitaria è indirizzare l'annuncio al gruppo di clienti che avranno una risposta favorevole in un dato KPI come coinvolgimento o vendite. CATE identifica questi clienti stimando l'effetto del KPI derivante dall'esposizione all'annuncio a livello individuale da esperimenti A/B o dati osservazionali storici.
Caratteristiche
- Un pacchetto Python per la modellazione Uplift e l'inferenza causale con ML
- Documentazione disponibile
- Ottimizzazione del targeting della campagna
- Coinvolgimento personalizzato
- Esempi disponibili
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/causal-ml.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
