因果科学算法、框架、数据集汇总

导语

本文收集了相关的概率编程框架、工具包、数据集及基准，并依此进行分类。特别感谢因果社区成员闫和东的梳理和总结，感谢龚鹤扬、张天健、李奉治、段月然、孙钦贵参与讨论和贡献，我们后续会对相应的算法做更详细的介绍和说明，请对相关内容感兴趣的同学或者老师加入因果社区，一起贡献！

1. 简介

因果科学的工作大致可以分为基础因果假设及框架（fundamental causal assumption and framework）、因果学习（causal learning）、因果推断（causal reasoning/inference）和应用系统，其中因果学习又可以分为因果结构学习（causal discovery/causal structure learning）和因果表示学习（causal representation learning）。

本文收集了相关的概率编程框架、工具包、数据集及基准，并依此进行分类。

2. 概率编程框架

相关链接：

pyro：

http://pyro.ai/

pymc3：

pgmpy：

https://github.com/pgmpy/pgmpy

pomegranate：

https://github.com/jmschrei/pomegranate

3. 工具包

相关链接：

TETRAD：

https://github.com/cmu-phil/tetrad

CausalDiscoveryToolbox：

https://github.com/FenTechSolutions/CausalDiscoveryToolbox

gCastle：

https://github.com/huawei-noah/trustworthyAI/tree/master/gcastle

tigramite：

https://github.com/jakobrunge/tigramite

Ananke：

https://ananke.readthedocs.io/en/latest/

EconML：

https://github.com/microsoft/EconML

dowhy：

https://github.com/microsoft/dowhy

causalml：

https://github.com/uber/causalml

WhyNot：

https://whynot.readthedocs.io/en/latest/

CausalImpact：

https://github.com/google/CausalImpact

Causal-Curve：

https://github.com/ronikobrosly/causal-curve

grf：

https://github.com/grf-labs/grf

dosearch：

https://cran.r-project.org/web/packages/dosearch/index.html

causalnex：

https://github.com/quantumblacklabs/causalnex

4. 数据集或基准