Ito ang Windows app na pinangalanang Causal ML na ang pinakabagong release ay maaaring ma-download bilang v0.15.5sourcecode.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang Causal ML sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
Sanhi ng ML
DESCRIPTION
Ang Causal ML ay isang Python package na nagbibigay ng suite ng uplift modeling at causal inference na pamamaraan gamit ang machine learning algorithm batay sa kamakailang pananaliksik [1]. Nagbibigay ito ng karaniwang interface na nagbibigay-daan sa mga user na tantyahin ang Conditional Average Treatment Effect (CATE) o Individual Treatment Effect (ITE) mula sa eksperimental o obserbasyonal na data. Sa pangkalahatan, tinatantya nito ang sanhi ng epekto ng interbensyon T sa kinalabasan Y para sa mga user na may mga naobserbahang feature X, nang walang malakas na pagpapalagay sa form ng modelo. Ang isang mahalagang lever upang mapataas ang ROI sa isang advertising campaign ay ang pag-target sa ad sa hanay ng mga customer na magkakaroon ng paborableng tugon sa isang partikular na KPI gaya ng pakikipag-ugnayan o mga benta. Kinikilala ng CATE ang mga customer na ito sa pamamagitan ng pagtantya sa epekto ng KPI mula sa pagkakalantad ng ad sa indibidwal na antas mula sa mga eksperimento sa A/B o makasaysayang data ng pagmamasid.
Mga tampok
- Isang Python Package para sa Uplift Modeling at Causal Inference sa ML
- Available ang dokumentasyon
- Pag-optimize ng pag-target sa kampanya
- Personalized na pakikipag-ugnayan
- Available ang mga halimbawa
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/causal-ml.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
