Ini ialah apl Windows bernama Causal ML yang keluaran terbarunya boleh dimuat turun sebagai v0.15.5sourcecode.zip. Ia boleh dijalankan dalam talian dalam penyedia pengehosan percuma OnWorks untuk stesen kerja.
Muat turun dan jalankan dalam talian apl bernama Causal ML ini dengan OnWorks secara percuma.
Ikut arahan ini untuk menjalankan apl ini:
- 1. Memuat turun aplikasi ini dalam PC anda.
- 2. Masukkan dalam pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang anda mahukan.
- 3. Muat naik aplikasi ini dalam pengurus filem tersebut.
- 4. Mulakan mana-mana emulator dalam talian OS OnWorks daripada tapak web ini, tetapi emulator dalam talian Windows yang lebih baik.
- 5. Daripada OS Windows OnWorks yang baru anda mulakan, pergi ke pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXX dengan nama pengguna yang anda mahukan.
- 6. Muat turun aplikasi dan pasangnya.
- 7. Muat turun Wine dari repositori perisian pengedaran Linux anda. Setelah dipasang, anda kemudian boleh mengklik dua kali aplikasi untuk menjalankannya dengan Wine. Anda juga boleh mencuba PlayOnLinux, antara muka mewah melalui Wine yang akan membantu anda memasang program dan permainan Windows yang popular.
Wain ialah cara untuk menjalankan perisian Windows pada Linux, tetapi tanpa Windows diperlukan. Wain ialah lapisan keserasian Windows sumber terbuka yang boleh menjalankan program Windows secara langsung pada mana-mana desktop Linux. Pada asasnya, Wine cuba untuk melaksanakan semula Windows yang mencukupi dari awal supaya ia boleh menjalankan semua aplikasi Windows tersebut tanpa memerlukan Windows.
SKRIN
Ad
ML sebab
DESCRIPTION
Causal ML ialah pakej Python yang menyediakan set pemodelan peningkatan dan kaedah inferens sebab menggunakan algoritma pembelajaran mesin berdasarkan penyelidikan terkini [1]. Ia menyediakan antara muka standard yang membolehkan pengguna menganggarkan Kesan Rawatan Purata Bersyarat (CATE) atau Kesan Rawatan Individu (ITE) daripada data percubaan atau pemerhatian. Pada asasnya, ia menganggarkan kesan sebab campur tangan T pada hasil Y untuk pengguna yang mempunyai ciri X yang diperhatikan, tanpa andaian kukuh pada bentuk model. Tuas penting untuk meningkatkan ROI dalam kempen pengiklanan ialah menyasarkan iklan kepada kumpulan pelanggan yang akan mendapat sambutan yang menggalakkan dalam KPI tertentu seperti penglibatan atau jualan. CATE mengenal pasti pelanggan ini dengan menganggarkan kesan KPI daripada pendedahan iklan pada peringkat individu daripada percubaan A/B atau data pemerhatian sejarah.
Ciri-ciri
- Pakej Python untuk Pemodelan Peningkatan dan Inferens Sebab dengan ML
- Dokumentasi tersedia
- Pengoptimuman penyasaran kempen
- Penglibatan peribadi
- Contoh yang ada
Bahasa Pengaturcaraan
Python
Kategori
Ini adalah aplikasi yang juga boleh diambil dari https://sourceforge.net/projects/causal-ml.mirror/. Ia telah dihoskan dalam OnWorks untuk dijalankan dalam talian dengan cara yang paling mudah daripada salah satu Sistem Operasi percuma kami.
