入门

安装

要求

• python 3 (>=3.7)

• numpy

• networkx

• pandas

• scipy

• scikit-learn

• statsmodels

• pydot

(用于可视化)

• matplotlib

• graphviz

• pygraphviz (可能不支持最新的 Mac 系统)

通过 PyPI 安装

要使用 causal-learn，我们可以使用 pip 进行安装

(.venv) $ pip install causal-learn

从源码安装

对于开发版本，请参考我们的 GitHub 仓库。

运行示例

对于因果发现中的搜索方法，在我们的 GitHub 仓库 的 'tests' 目录中提供了各种运行示例，例如 TestPC.py 和 TestGES.py。

对于已实现的模块，例如（条件）独立性检验方法，我们提供了单元测试，方便您开发自己的方法。

基准测试

为了社区的便利，CMU-CLeaR 小组维护了一份基准数据集列表，包括真实世界场景和各种学习任务。请参考以下链接

• https://github.com/cmu-phil/example-causal-datasets (由 Joseph Ramsey 维护)

• https://www.cmu.edu/dietrich/causality/causal-learn

如果您有任何高质量因果数据集的建议，请随时告知我们。我们感谢任何有助于因果关系社区发展的努力。

贡献者

团队负责人: Kun Zhang, Joseph Ramsey, Mingming Gong, Ruichu Cai, Shohei Shimizu, Peter Spirtes, Clark Glymour

协调员: Yujia Zheng, Biwei Huang, Wei Chen

开发者:

• Wei Chen, Biwei Huang, Yuequn Liu, Zhiyi Huang, Feng Xie, Haoyue Dai, Xiaokai Huang: PC, FCI, GES, GIN, and 图操作。

• Mingming Gong, Erdun Gao, Aoqi Zuo: PNL, ANM, 格兰杰因果关系, and KCI。

• Shohei Shimizu, Takashi Nicholas Maeda, Takashi Ikeuchi: 基于 LiNGAM 的方法。

• Madelyn Glymour: 若干辅助工具。

• Ruibo Tu: 缺失值/逐检验删除 PC。

• Wai-Yin Lam: PC。

• Biwei Huang: CD-NOD。

• Ignavier Ng, Yujia Zheng: 精确搜索。

• Bryan Andrews, Joseph Ramsey: GRaSP, BOSS。

• Joseph Ramsey, Wei Chen, Zhiyi Huang: 评估。

质量控制: Yewen Fan, Zhiyi Huang, Haoyue Dai, Yujia Zheng, Ignavier Ng, Xiangchen Song

引用

请引用如下

@article{zheng2024causal,
  title={Causal-learn: Causal discovery in python},
  author={Zheng, Yujia and Huang, Biwei and Chen, Wei and Ramsey, Joseph and Gong, Mingming and Cai, Ruichu and Shimizu, Shohei and Spirtes, Peter and Zhang, Kun},
  journal={Journal of Machine Learning Research},
  volume={25},
  number={60},
  pages={1--8},
  year={2024}
}