概述

EconML 是一个 Python 包，它利用机器学习技术的强大功能来从观测数据或实验数据中估计个体因果响应。EconML 中提供的一系列估计方法代表了因果机器学习领域的最新进展。通过将各个机器学习步骤纳入可解释的因果模型，这些方法提高了假设情景预测的可靠性，并使因果分析对于广大用户而言更快、更简单。

EconML 是由微软研究院的 ALICE 团队开发的开源软件。

灵活

允许使用不施加强假设的灵活模型形式，包括对处理的异质响应模型。

统一

在统一的 API 中，汇集了代表计量经济学和机器学习领域最新进展的广泛方法。

熟悉界面

构建于用于机器学习和数据分析的标准 Python 包之上。

为什么是因果关系？

决策者需要因果影响的估计来回答关于政策变化的假设情景问题，例如企业的产品定价变化或健康专业人士的新治疗方案。

为什么不只使用一个普通的机器学习解决方案？

当前大多数机器学习工具旨在预测当前策略下接下来会发生什么，但无法解释以预测特定行为变化的影响。

为什么选择因果机器学习/EconML？

回答假设情景问题的现有解决方案成本高昂。决策者可以进行主动实验，如 A/B 测试，或者聘请训练有素的经济学家，他们使用传统统计模型从先前收集的数据中推断因果效应。