Salesforce CausalAI 库：面向时间序列与表格数据因果分析的快速可扩展框架
机器学习
2023-09-26 v2 人工智能
摘要
我们介绍了 Salesforce CausalAI 库，一个利用观测数据进行因果分析的开源库。它支持离散、连续及异构类型表格数据和时间序列数据的因果发现与因果推断。该库包含处理变量间线性与非线性因果关系的算法，并利用多进程实现加速。我们还包含一个数据生成器，能够为上述数据格式与类型生成具有指定结构方程模型的合成数据，帮助用户在探究各类算法时控制真实因果过程。最后，我们提供了一个用户界面（UI），使用户无需编程即可对数据进行因果分析。该库的目标是为因果领域中的各类问题提供快速且灵活的解决方案。本技术报告描述了 Salesforce CausalAI 的 API 及其功能、所支持算法的实现，以及展示其性能与速度的 experiments。我们的库可在 \url{https://github.com/salesforce/causalai} 获取。
引用
@article{arxiv.2301.10859,
title = {Salesforce CausalAI Library: A Fast and Scalable Framework for Causal Analysis of Time Series and Tabular Data},
author = {Devansh Arpit and Matthew Fernandez and Itai Feigenbaum and Weiran Yao and Chenghao Liu and Wenzhuo Yang and Paul Josel and Shelby Heinecke and Eric Hu and Huan Wang and Stephen Hoi and Caiming Xiong and Kun Zhang and Juan Carlos Niebles},
journal= {arXiv preprint arXiv:2301.10859},
year = {2023}
}