論文の概要: gCastle: A Python Toolbox for Causal Discovery
- arxiv url: http://arxiv.org/abs/2111.15155v1
- Date: Tue, 30 Nov 2021 06:27:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 13:55:30.709800
- Title: gCastle: A Python Toolbox for Causal Discovery
- Title（参考訳）: gCastle: 因果発見のためのPythonツールボックス
- Authors: Keli Zhang, Shengyu Zhu, Marcus Kalander, Ignavier Ng, Junjian Ye,
Zhitang Chen, Lujia Pan
- Abstract要約: $texttgCastle$は因果構造学習のためのエンドツーエンドのPythonツールボックスである。
シミュレータまたは実世界のデータセットからデータを生成し、データから因果構造を学習し、学習したグラフを評価する機能を提供する。
- 参考スコア（独自算出の注目度）: 12.072240228371005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: $\texttt{gCastle}$ is an end-to-end Python toolbox for causal structure
learning. It provides functionalities of generating data from either simulator
or real-world dataset, learning causal structure from the data, and evaluating
the learned graph, together with useful practices such as prior knowledge
insertion, preliminary neighborhood selection, and post-processing to remove
false discoveries. Compared with related packages, $\texttt{gCastle}$ includes
many recently developed gradient-based causal discovery methods with optional
GPU acceleration. $\texttt{gCastle}$ brings convenience to researchers who may
directly experiment with the code as well as practitioners with graphical user
interference. Three real-world datasets in telecommunications are also provided
in the current version. $\texttt{gCastle}$ is available under Apache License
2.0 at \url{https://github.com/huawei-noah/trustworthyAI/tree/master/gcastle}.
- Abstract（参考訳）: $\texttt{gCastle}$は因果構造学習のためのエンドツーエンドのPythonツールボックスである。
シミュレーターまたは実世界のデータセットからデータを生成する機能、データから因果構造を学習し、学習グラフを評価する機能、事前知識挿入、事前の近所選択、偽発見を取り除くための後処理といった有用なプラクティスを提供する。
関連するパッケージと比較すると、$\texttt{gCastle}$は、オプションのGPUアクセラレーションを備えた勾配ベースの因果発見メソッドを含む。
$\texttt{gCastle}$は、コードを直接実験する研究者や、グラフィカルなユーザ干渉を持つ実践者にとって便利なものを提供する。
通信における3つの実世界のデータセットも現在のバージョンで提供されている。
https://github.com/huawei-noah/trustworthyai/tree/master/gcastle}$\texttt{gcastle}$は、apache license 2.0で利用可能である。
関連論文リスト
- Comgra: A Tool for Analyzing and Debugging Neural Networks [35.89730807984949]
PyTorchで使用するオープンソースのpythonライブラリであるcomgraを紹介します。
Comgraはモデルの内部アクティベーションに関するデータを抽出し、GUIで整理する。
要約統計と個々のデータポイントの両方を示し、トレーニングの初期段階と後期を比較し、関心のある個々のサンプルに注目し、ネットワークを通しての勾配の流れを可視化する。
論文 参考訳（メタデータ） (2024-07-31T14:57:23Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - TopoX: A Suite of Python Packages for Machine Learning on Topological
Domains [89.9320422266332]
TopoXはPythonのソフトウェアスイートで、トポロジ上のコンピューティングと機械学習のための信頼性とユーザフレンドリなビルディングブロックを提供する。
TopoXは、TopoNetX、TopoEmbedX、TopoModelxの3つのパッケージで構成されている。
論文 参考訳（メタデータ） (2024-02-04T10:41:40Z) - Causal-learn: Causal Discovery in Python [53.17423883919072]
因果発見は、観測データから因果関係を明らかにすることを目的としている。
$textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
論文 参考訳（メタデータ） (2023-07-31T05:00:35Z) - torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。
環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文 参考訳（メタデータ） (2023-05-24T00:20:59Z) - Torch-Choice: A PyTorch Package for Large-Scale Choice Modelling with
Python [11.566791864440262]
$texttttorch-choice$はPythonとPyTorchを使ったフレキシブルで高速な選択モデリングのためのオープンソースライブラリである。
$textttChoiceDataset$は、データベースを柔軟かつメモリ効率よく管理するための、$textttChoiceDataset$データ構造を提供します。
論文 参考訳（メタデータ） (2023-04-04T16:00:48Z) - Scaling Up Models and Data with $\texttt{t5x}$ and $\texttt{seqio}$ [118.04625413322827]
$texttt5x$と$texttseqio$は、言語モデルの構築とトレーニングのためのオープンソースのソフトウェアライブラリである。
これらのライブラリは、複数のテラバイトのトレーニングデータを持つデータセット上で、数十億のパラメータを持つモデルをトレーニングするために使用されています。
論文 参考訳（メタデータ） (2022-03-31T17:12:13Z) - Kubric: A scalable dataset generator [73.78485189435729]
KubricはPythonフレームワークで、PyBulletやBlenderとインターフェースして写真リアリスティックなシーンを生成する。
本研究では,3次元NeRFモデルの研究から光フロー推定まで,13種類の異なるデータセットを提示することで,Kubricの有効性を実証する。
論文 参考訳（メタデータ） (2022-03-07T18:13:59Z) - Brain Predictability toolbox: a Python library for neuroimaging based
machine learning [0.0]
Brain Predictability Toolbox(BPt)は、機械学習(ML)ツールの統合フレームワークである。
このパッケージは、幅広い異なる神経画像に基づくML質問を調査するのに適している。
論文 参考訳（メタデータ） (2020-11-03T14:06:43Z) - giotto-tda: A Topological Data Analysis Toolkit for Machine Learning and
Data Exploration [4.8353738137338755]
giotto-tdaは、高性能なトポロジカルデータ分析と機械学習を統合するPythonライブラリである。
このライブラリの様々な種類のデータを扱う能力は、幅広い事前処理技術に根ざしている。
論文 参考訳（メタデータ） (2020-04-06T10:53:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。