Causal-learn，由CMU张坤老师主导，多个团队（CMU因果研究团队、DMIR实验室、宫明明老师团队和Shohei Shimizu老师团队）联合开发出品的因果发现算法平台。

Causal-learn用Python实现了CMU开发的基于Java的Tetrad因果发现平台，并进一步加入新的算法和功能。其中包含了因果发现的经典算法与API，并且提供了模块化的代码，以方便研究者实现自己的算法。Causal-learn所有模块均基于Python实现，从而避免了传统因果发现库对R/Java的依赖，为Python开发者提供便利。

Causal-learn支持：

  • Constrained-based causal discovery methods.

  • Score-based causal discovery methods.

  • Causal discovery methods based on constrained functional causal models.

  • Hidden causal representation learning.

  • Granger causal analysis.

  • 多个独立的基础模块，比如独立性测试，评分函数，图操作，评测指标。

  • 更多最新的因果发现算法，如gradient-based methods等。

Causal-learn团队正在积极维护与开发算法平台，保持版本稳定，并持续更新最新的因果发现算法与实用功能。

GitHub:

https://github.com/cmu-phil/causal-learn

文档:

https://causal-learn.readthedocs.io/en/latest/

简单使用案例：

https://github.com/cmu-phil/causal-learn/tree/main/tests

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除