Enable javascript in your browser for better experience. Need to know to enable it? Go here.
publicado : Oct 27, 2021
Oct 2021
Experimente ? Vale a pena ir atrás. É importante entender como desenvolver essa capacidade. As empresas devem experimentar esta tecnologia em um projeto que possa lidar com o risco.

DoWhy é uma biblioteca Python para realizar inferência e análise causais de ponta a ponta. Embora os modelos de aprendizado de máquina possam fazer previsões com base em dados factuais, explorando a correlação de variáveis presentes no momento, são insuficientes em cenários em que precisamos questionar e se e _ por que: _e se uma variável mudou? Qual seria o impacto no resultado? A inferência causal é uma abordagem para responder a essas perguntas, estimando o efeito causal, ou seja, a magnitude pela qual um resultado mudaria, se mudássemos uma das variáveis causais. Esta abordagem é aplicada quando não podemos chegar à resposta por meio de observações e coleta de dados de testes A/B — devido ao custo dos experimentos ou limitações. A biblioteca DoWhy estima o efeito causal com base em um processo que usa os fatos e dados coletados no passado, bem como as suposições que podem ser feitas conhecendo o domínio. DoWhy usa um processo de quatro etapas de modelagem do gráfico de relações causais com base em suposições, identificando uma causa para um resultado, estimando o efeito causal e, finalmente, desafiando essas suposições, refutando o resultado. Usamos essa biblioteca com sucesso em produção e é uma das bibliotecas comumente usadas em casos de uso de estimativa causal.

Radar

Baixar o Technology Radar Volume 25

English | Español | Português | 中文

Radar

Mantenha-se por dentro das tendências de tecnologia

 

Seja assinante

Visite nosso arquivo para acessar os volumes anteriores