用户指南# 前言 因果推断的必要性 DoWhy 简介 支持的因果任务 测试因果分析的有效性 本用户指南的目标读者 建模因果关系 使用领域知识指定因果图 从数据中学习因果结构 使用CDT进行图发现 使用dodiscover进行图发现 使用causal-learn进行图发现 反驳因果图 执行独立性测试 图反驳 建模图形因果模型 (GCMs) 将SCM拟合到数据 评估拟合的SCM 相关示例笔记本 其他主题 图形因果模型的类型 从GCM生成样本 评估GCM 自定义因果机制分配 估计置信区间 Performing Causal Tasks Estimating Causal Effects Identifying causal effect Estimating average causal effect using backdoor Estimating average causal effect with natural experiments Estimating conditional average causal effect Estimating average causal effect using GCM Quantify Causal Influence Mediation Analysis: Estimating natural direct and indirect effects Direct Effect: Quantifying Arrow Strength Quantifying Intrinsic Causal Influence Root-Cause Analysis and Explanation Anomaly Attribution Attributing Distributional Changes Feature Relevance Asking and Answering What-If Questions Simulating the Impact of Interventions Computing Counterfactuals Predicting outcome for out-of-distribution inputs 反驳因果估计 反驳效应估计 基于负控制的反驳 基于敏感性分析的反驳 引用此包