汎用データ・分析⭐ リポ 308品質スコア 84/100
econml
EconML（Microsoft）— 異質的処置効果の推定に対応しています。Double ML、Causal Forest、Deep IV、メタラーナー（S-Learner、T-Learner、X-Learner）などの手法を利用できます。観察データから因果効果を推定する直交学習に対応しています。
description の原文を見る
EconML (Microsoft) — heterogeneous treatment effect estimation. Double ML, Causal Forest, Deep IV, and metalearners (S-Learner, T-Learner, X-Learner). Orthogonal learning for causal effects from observational data.
SKILL.md 本文
概要
EconMLは、機械学習を使用した因果推論と不均一な処置効果推定のためのMicrosoftライブラリです。Double ML、Causal Forest、DML、IV法、および直交統計学習を実装しています。個人差に応じて処置効果が変動する観測データ向けに設計されています。
インストール
uv pip install econml
Double ML (線形)
from econml.dml import LinearDML
import numpy as np
X = np.random.randn(500, 5) # features
T = np.random.randn(500) # treatment
Y = T * (0.5 + X[:, 0]) + np.random.randn(500) # outcome
est = LinearDML(model_y="auto", model_t="auto", discrete_treatment=False)
est.fit(Y, T, X=X)
print(f"ATE: {est.ate():.3f} ± {est.ate_inference().stderr:.3f}")
Causal Forest
from econml.grf import CausalForest
cf = CausalForest(n_estimators=100, min_samples_leaf=10)
cf.fit(X, T, Y)
treatment_effects = cf.effect(X)
print(f"Heterogeneous effects range: {treatment_effects.min():.3f} to {treatment_effects.max():.3f}")
参考資料
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- mkurman
- リポジトリ
- mkurman/zorai
- ライセンス
- MIT
- 最終更新
- 2026/5/11
Source: https://github.com/mkurman/zorai / ライセンス: MIT