uber/causalml

何を解決するか

CausalML は、観測された特徴に基づいて、特定の介入（治療）が個々のユーザーに対して特定の結果に与える因果的影響を推定するためのツールを提供します。これは、どの特定のユーザーまたは顧客が治療に対して肯定的に反応する可能性が高いかを特定する問題を解決し、すべてのユーザーに広範なアプローチを適用するのではなく、より効率的なターゲティングとパーソナライズを可能にします。

動作方法

このパッケージは、最近の研究に基づいたアップリフトモデリングおよび因果推論手法のセットを実装しています。モデルの形式に関する強い仮定を必要とせずに、特定の特性を持つユーザーに対する結果に対する治療の因果的効果を計算する条件付き平均治療効果（CATE）を推定するための標準インターフェースを提供します。

対象ユーザー

実験的（A/Bテスト）または観察データ上で因果推論およびアップリフトモデリングを実行して、エンゲージメントや売上などのビジネスKPIを最適化したいデータサイエンティストや研究者向けに設計されています。

主な特徴

• アップリフトモデリング: 個々のユーザーに対する治療効果を推定し、キャンペーンのターゲティングを最適化します。
• パーソナライズドエンゲージメント: 複数の治療オプションに対する異質な治療効果を推定するサポートにより、パーソナライズされた推薦システムを駆動します。
• CATE推定: 条件付き平均治療効果を推定するための標準インターフェースを提供します。
• ベンチマークデータセット: LaLonde、IHDP、Twins などの標準的な因果推論ベンチマーク用の組み込みローダーを提供し、検証用の真値メトリクスを備えています。