EconML 用户指南

• 概述
• 基于机器学习的异质性处理效应估计
• 动机示例
  • 推荐系统 A/B 测试
  • 客户细分
  • 多投资归因
• 因果推断简介
• 问题设置与 API 设计
  • 条件平均处理效应包的 API
  • 处理呈线性的 CATE 估计器
  • API 使用示例
• 库流程图
• 详细估计器比较
• 无混淆假设下的估计方法
  • 正交/双重机器学习
    • 这是什么？
    • 相关估计器类有哪些？
    • 何时应该使用它？
    • 形式化方法论概述
    • 类层级结构
    • 使用常见问题
    • 使用示例
  • 双重稳健学习
    • 这是什么？
    • 相关估计器类有哪些？
    • 何时应该使用它？
    • 形式化方法论概述
    • 类层级结构
    • 使用常见问题
    • 使用示例
  • 基于森林的估计器
    • 这是什么？
    • 相关估计器类有哪些？
    • 何时应该使用它？
    • 形式化方法论概述
      • 正交随机森林
      • CausalForest（又称森林双重机器学习）
      • 森林双重稳健学习器
    • 类层级结构
    • 使用示例
  • 元学习器
    • 这是什么？
    • 相关估计器类有哪些？
    • 何时应该使用它？
    • 形式化方法论概述
      • T-学习器
      • S-学习器
      • X-学习器
      • 领域适应学习器
      • 双重稳健学习器
      • 非参数双重机器学习
    • 类层级结构
    • 使用示例
• 含工具变量的估计方法
  • 深度工具变量
  • 筛法 2SLS 工具变量估计
  • 正交工具变量
    • 这是什么？
    • 相关估计器类有哪些？
    • 何时应该使用它？
    • 类层级结构
    • 使用示例
• 动态处理方案的估计方法
  • 动态双重机器学习
    • 这是什么？
    • 相关估计器类有哪些？
    • 何时应该使用它？
    • 类层级结构
    • 使用常见问题
• 推断
  • Bootstrap 推断
  • OLS 推断
  • 去偏 Lasso 推断
  • 子抽样诚实森林推断
  • OrthoForest 小包 Bootstrap 推断
• 模型选择
• 可解释性
  • 树解释器
  • 策略解释器
  • SHAP
• EconML 中的联邦学习
  • 概述
  • 将联邦学习集成到 EconML 库的动机
  • 使用 EconML 进行联邦学习
    • 介绍 FederatedEstimator
    • 使用示例
  • 理论
• 参考文献
• 常见问题 (FAQ)
  • 我何时应该使用 EconML？
  • EconML 的优势是什么？
  • 我如何知道结果是否合理？
  • 我得到的因果估计不合理。接下来怎么办？
  • 如果我没有好的工具变量，无法进行实验，并且未能观测到所有混淆变量，该怎么办？
  • 我如何测试是否识别了因果效应？
  • 如何提供反馈？
• 社区