机器学习数据分析【免费下载链接】dowhyDoWhy is a Python library for causal inference that supports explicit modeling and testing of causal assumptions. DoWhy is based on a unified language for causal inference, combining causal graphical models and potential outcomes frameworks.项目地址https://gitcode.com/gh_mirrors/do/dowhy点击查看免费下载本篇技术文章聚焦 DoWhy 库的dowhy.causal_identifier包——这是 DoWhy「识别Identification」环节的核心引擎负责在给定因果图、处理变量、结果变量与已观测节点的前提下判断因果效应是否可识别并输出对应的估计量estimand表达式与调整集。读完本文你将理解该包 7 个子模块的职责划分、identify_effect_auto的主流程后门/工具变量/前门/广义调整四条识别路径、7 种BackdoorAdjustment方法名背后的搜索策略与复杂度控制以及IdentifiedEstimand结果对象如何被下游估计器消费。1. 文档定位dowhy.causal_identifier.rst 讲了什么Sphinx 模块文档页 本身是标准的自动 API 文档它通过 7 个.. automodule::指令声明了该包对外暴露的全部子模块adjustment_set 模块AdjustmentSet调整集容器类auto_identifier 模块AutoIdentifier类与identify_effect_auto主识别函数backdoor 模块优化的后门集搜索DFS 命中集算法efficient_backdoor 模块基于统计效率最优准则的门控调整集算法id_identifier 模块Shpitser–Tse 的 ID 算法实现identified_estimand 模块IdentifiedEstimand结果对象identify_effect 模块CausalIdentifier协议与顶层identify_effect入口函数。包级init.py 的__all__清单进一步确认了公开 API 面AutoIdentifier、CausalIdentifier、identify_effect_auto、identify_effect_id、BackdoorAdjustment、GeneralizedAdjustment、EstimandType、IdentifiedEstimand、IDIdentifier、identify_effect以及三个估计量构造函数construct_adjustment_estimand、construct_frontdoor_estimand、construct_iv_estimand。这意味着文档页所索引的 7 个模块共同构成了「识别」这一因果推断四步法建模 → 识别 → 估计 → 反驳中第二步的全部能力。2. 入口层identify_effect 函数与 CausalIdentifier 协议identify_effect.py 只有约 50 行却是理解整个包设计的关键。它包含两个组件2.1 CausalIdentifier 协议类CausalIdentifier是一个typing.Protocol规定了任何识别器至少需要实现一个identify_effect(graph, action_nodes, outcome_nodes, **kwargs)方法。源码 docstring 明确写道该类「为与 CausalModel 的向后兼容而存在未来将以函数式调用auto_identify_effect()取代而弃用」。从源码结构看DoWhy 正在从「面向对象式识别器」迁移到「函数式 API」协议类是这一迁移期的兼容层。2.2 identify_effect 顶层函数def identify_effect( graph: nx.DiGraph, action_nodes: Union[str, List[str]], outcome_nodes: Union[str, List[str]], observed_nodes: Union[str, List[str]], ) - IdentifiedEstimand: return identify_effect_auto( graph, action_nodes, outcome_nodes, observed_nodes, EstimandType.NONPARAMETRIC_ATE, backdoor_adjustmentBackdoorAdjustment.BACKDOOR_DEFAULT, optimize_backdoorFalse, )这是一个薄封装固定使用非参数平均处理效应ATE估计量类型、默认后门策略、不启用优化搜索直接委托给identify_effect_auto。四个位置参数中observed_nodes尤其重要——它界定了「哪些变量在数据中可见」直接影响哪些调整集是可执行的详见第 5 节的可观测性过滤。3. 主识别引擎identify_effect_auto 与四种估计量类型auto_identifier.py1164 行是本包体量最大、逻辑最核心的模块。它首先定义了三个枚举它们是调用方必须掌握的「配置词汇表」3.1 EstimandType四种估计量类型class EstimandType(Enum): # Average total effect NONPARAMETRIC_ATE nonparametric-ate # Natural direct effect NONPARAMETRIC_NDE nonparametric-nde # Natural indirect effect NONPARAMETRIC_NIE nonparametric-nie # Controlled direct effect NONPARAMETRIC_CDE nonparametric-cdeidentify_effect_auto对这四类估计量的分派逻辑各不相同估计量类型分派函数使用的方法nonparametric-ateidentify_ate_effect后门 工具变量 前门 广义调整四路并行尝试nonparametric-nie/nonparametric-ndeidentify_nie_effect/identify_nde_effect先做后门识别再识别中介变量构造中介估计量nonparametric-cdeidentify_cde_effect在「删除处理→结果直接边」的图上做后门识别direct_effectTrue引用 Vanderwheele (2011)值得注意的两个边界处理无有向路径短路identify_effect_auto一开始就调用has_directed_path检查若处理变量到结果变量之间不存在有向路径直接返回带no_directed_pathTrue标志的IdentifiedEstimand并打印「Causal Effect is zero」——此时无需任何调整集不支持的类型抛ValueError错误信息中列出全部四个合法枚举值。3.2 ATE 识别的四路流水线identify_ate_effectidentify_ate_effect的执行顺序是理解本包的骨架后门识别。根据backdoor_adjustment是否属于EFFICIENT_METHODS集合分流非效率方法调用identify_backdoor当optimize_backdoorTrue时走 backdoor.py 的Backdoor优化搜索效率方法调用identify_efficient_backdoor工具变量识别。调用get_instruments找出满足「与处理相关、与结果独立给定处理、不被处理造成」三条件的工具变量若存在则用construct_iv_estimand生成 IV 估计量estimands_dict[iv]中存放的 sympy 表达式为E[∂Y/∂Z / (∂T/∂Z)]并附带两条显式假设As-if-randomZ 不被潜在变量 U 影响与Exclusion移除 Z→T 后 Z 不再影响 Y前门识别。identify_frontdoor在候选变量处理的非自身、非结果的下游节点 ∩ 观测节点中穷举逐一验证三条前门条件条件 1 用check_valid_frontdoor_set检查候选集是否拦截所有有向路径条件 2 用空调整集检查「处理与候选变量之间无混杂」条件 3 在删除候选集出边的手术图上检查「处理阻断候选变量与结果间的全部混杂」。命中后由construct_frontdoor_estimand生成估计量E[(∂Z/∂T)(∂Y/∂Z)]并额外计算两阶段的混杂变量一阶段为处理→中介二阶段为中介→结果广义调整识别。这是后门判据的推广只在Python ≥ 3.10下启用因为依赖nx.algorithms.find_minimal_d_separator低版本 Python 会记录 warning 并跳过结果写入estimands_dict[general_adjustment]。最后所有结果被打包进一个IdentifiedEstimand对象返回字段包括estimands各策略对应的估计量字典、backdoor_variables、general_adjustment_variables、instrumental_variables、frontdoor_variables及中介相关字段。3.3 后门集搜索的七种策略BackdoorAdjustment枚举定义了 7 种方法名配合identify_backdoor与find_valid_adjustment_sets的实现可以精确定位每种策略的行为class BackdoorAdjustment(Enum): BACKDOOR_DEFAULT default BACKDOOR_EXHAUSTIVE exhaustive-search BACKDOOR_MIN minimal-adjustment BACKDOOR_MAX maximal-adjustment BACKDOOR_EFFICIENT efficient-adjustment BACKDOOR_MIN_EFFICIENT efficient-minimal-adjustment BACKDOOR_MINCOST_EFFICIENT efficient-mincost-adjustmentidentify_backdoor的搜索流程auto_identifier.py L531-L633值得逐步拆解d-分离算法选择dseparation_algodefault时对图做 do-手术删除处理的出边direct_effectTrue时只删除指向结果的直接边在手术图上做 d-分离判定naive模式则退化为枚举后门路径空集优先先检查空调整集是否已满足后门判据即处理与结果本身已 d-分离。若满足且方法为minimal-adjustment立即返回空集——这是最小调整的自然下界候选变量过滤候选集 全图节点 − 处理节点 − 结果节点非中介情形再减去处理的所有下游随后剔除与处理或结果本身 d-分离的变量这类变量不可能出现在任何有效调整集中按集合规模穷举find_valid_adjustment_sets用itertools.combinations枚举候选集组合。minimal-adjustment从小集合向大集合枚举找到第一个即停maximal-adjustment/default从大集合向小枚举default策略找到第一个有效集合后会再跑一遍BACKDOOR_MIN从而在结果中同时保留默认集与最小集exhaustive-search会枚举至多MAX_BACKDOOR_ITERATIONS 100000次迭代以防组合爆炸全观测剪枝当图中所有节点均可观测且最大候选集合都不满足后门判据时其任意子集也不可能满足搜索提前终止。三种efficient-*方法不在上面这条穷举路径上而是进入identify_efficient_backdoor其 docstring 引用 Rotnitzky Smucler (2020)、Smucler, Sapienza Rotnitzky (2021)、Smucler Rotnitzky (2022)目标是在非参数图形模型下寻找渐近方差最小的调整集docstring 同时指出按 Henckel, Perkovic Maathuis (2020) 的结论这些最优集在线性图形模型 OLS 估计下同样保持最优。3.4 默认调整集的选择逻辑get_default_adjustment_set_id揭示了「backdoor」这一默认键背后的两条规则最少工具变量优先在所有有效调整集中选取包含最少工具变量instrumental variables的集合——避免把工具变量纳入调整集对工具变量做条件化会引入坏控制问题最少变量数优先在满足第一条的集合中选取调整变量数目最少的一个作为default_backdoor_id。4. 优化后门搜索backdoor.py 的命中集算法optimize_backdoorTrue时绕开组合枚举改用 backdoor.py 中的Backdoor类。其设计由三个数据结构协作完成Path表示两个节点之间的一条具体路径记录「是否被阻断」与「需要条件化的中间节点集合」NodePair聚合某节点对之间的所有路径_condition_vars是一个集合的集合每条路径对应一个需条件化的变量集update方法在发现新路径时合并信息并支持把子问题的解回填到前缀路径_path_search_util中的递归记忆化逻辑HittingSetAlgorithm经典的命中集hitting set近似最小化——把「找到能击中每条后门路径至少一个非碰撞节点的最小变量集」建模为集合覆盖问题统计每个变量排除碰撞节点出现在多少条路径中贪心挑选出现次数最多的变量加入解集迭代直到全部路径被覆盖。碰撞节点被显式排除因为对碰撞节点做条件化会打开而非关闭路径。get_backdoor_vars的入口把有向图转无向邻接表后对每个「处理节点 × 结果节点」配对执行 DFS 路径搜索_path_search_util用prev_arrow标志识别碰撞结构连续两条入向箭头构成碰撞节点该分支被标记为 blocked 并剪枝最终把HittingSetAlgorithm.find_set()的结果包装为AdjustmentSet返回。相比穷举法这套 DFS 贪心命中集的方式避免了O(2^n)的组合枚举适合变量较多的图。5. 结果对象IdentifiedEstimand 的数据结构与消费方式identified_estimand.py 定义了识别步骤的唯一输出契约。构造函数接收 14 个字段其中identifier已被标记为待弃用核心字段包括treatment_variable/outcome_variable经parse_state规范化为列表、estimand_type、estimands策略名 → 估计量字典、backdoor_variables/general_adjustment_variables策略名 → 调整变量列表、instrumental_variables、frontdoor_variables、mediator_variables、两阶段中介混杂、default_backdoor_id、default_adjustment_set_id与identifier_method。对下游最有用的访问器get_adjustment_set(keyNone)/set_adjustment_set当identifier_method general_adjustment时自动路由到广义调整变量否则走后门变量get_backdoor_variables(key)若未显式传 key 且当前估计器是 backdoor 类方法返回该策略对应的调整集否则返回默认集——这解释了为什么估计器可以无感地拿到「正确的」调整集__str__(only_target_estimand, show_all_backdoor_sets)人类可读的报告no_directed_pathTrue时输出「因果效应为零」否则用sp.pretty打印每个估计量的 sympy 表达式逐条列出其假设如Unconfoundedness若 U→T 且 U→Y则 P(Y|T,X,U)P(Y|T,X)。每个estimands字典项的值是一个{estimand: sympy表达式, assumptions: {假设名: 假设文本}}结构。例如调整估计量construct_adjustment_estimand生成D[E[Y|Z]/dT]形式的导数表达式并附带字符串表达式d(Y|z1,z2)/dt工具变量与前门估计量分别生成二阶导数比与乘积形式的 sympyExpectation对象。这些符号表达式是 DoWhy「先识别、后估计」范式的数据基础估计器据此知道要对哪些变量回归、做何种加权。6. 调整集容器与广义调整adjustment_set.py 是一个 30 行的轻量数据类AdjustmentSet(adjustment_type, adjustment_variables, num_paths_blocked_by_observed_nodesNone)两个类型常量区分BACKDOOR backdoor与GENERAL general。注释特意说明广义调整集在数学上涵盖了后门集但鉴于后门判据的普遍性两者被显式区分。广义调整的核心实现在identify_generalized_adjustment_set先构造「proper backdoor graph」与「proper causal path nodes」因果路径上的节点及其下游然后调用nx.algorithms.find_minimal_d_separator把搜索限制在「非因果路径节点的观测节点」内——即调整集绝不包含中介变量。docstring 引用 van der Zander, Liśkiewicz Textor 的 UAI 2014 论文「Constructing Separators and Adjustment Sets in Ancestral Graphs」强调该准则是完备的只要存在某个调整集此算法就能找到而不像后门判据那样可能漏掉不满足后门条件但依然有效的调整集。当前exhaustive-search分支会显式抛出「尚未支持」的ValueError默认行为只返回单个最小调整集。7. ID 算法超越后门/前门/工具的完整判据id_identifier.py 实现了 Pearl 学派 Shpitser–Tse 的 ID 算法源码 docstring 给出 Shpitser 博士论文链接及伪代码位置 Pg 40。它的定位是后门、前门、工具变量只是 ID 算法的特例ID 算法能识别某些三者均失败的情形。实现要点入口identify_effect_id(graph, action_nodes, outcome_nodes)先做拓扑排序以验证输入是 DAG否则抛ValueError随后将图转为邻接矩阵并递归求解__adjacency_matrix_identify_effect递归结构与论文伪代码逐行对应第 1 行无处理时返回观测分布的边缘化、第 2 行只对结果的祖先子图求解、第 3 行对不影响 Y 的节点强制 do 操作、第 4 行利用 C-component 分解把问题拆成乘积 边缘化、第 5 行hedge 结构导致不可识别返回None、第 6 行无双向边时把 do 替换为条件化沿拓扑序输出因子分解P(y|do(x)) Π P(v_i | pa_i) ...、第 7 行最复杂的子问题缩减输出类型IDExpression维护_product待相乘的估计器列表与_sum待边缘化的变量列表__str__把嵌套结构渲染成「Sum over {...}: Predictor: P(y|...)」的缩进文本若图不可识别打印「The graph is not identifiable」。对应的测试覆盖位于 tests/causal_identifiers/test_id_identifier.py可作为各分支行为的验证参考。8. 实践路径从函数调用到测试用例综合以上源码dowhy.causal_identifier包的最小可用调用形如import networkx as nx from dowhy.causal_identifier import identify_effect graph nx.DiGraph() graph.add_edges_from([(U, T), (U, Y), (T, Y)]) estimand identify_effect( graphgraph, action_nodesT, outcome_nodesY, observed_nodes[T, Y, U], ) print(estimand) # 打印 ATE 估计量表达式与 Unconfoundedness 假设若需要精细控制直接调用identify_effect_auto并传入EstimandType与BackdoorAdjustment枚举需要costs形如[(node, {cost: x}) for node in nodes]仅efficient-mincost-adjustment使用缺省视为全 1 且仅对正数有效或conditional_node_names用于界定「决定处理分配的变量」未提供时假定干预把处理设为常数时注意 efficient_backdoor.py 的EfficientBackdoor.__init__会对多维处理/多维结果直接抛错效率后门方法只支持一维并校验 costs 必须为正数、条件变量必须在observed_nodes内。识别质量由三层测试保障tests/causal_identifiers/test_auto_identifier.py、tests/causal_identifiers/test_backdoor_identifier.py、tests/causal_identifiers/test_efficient_backdoor_identifier.py 与 tests/causal_identifiers/test_id_identifier.py其中 efficient 与 complete adjustment 测试还依赖独立的示例图库 example_graphs_efficient.py。这些测试对应的教程示例如 efficient backdoor 教程、ID 算法教程展示了从识别到估计的完整流水线。9. 小结包内模块职责速查模块核心对象/函数一句话职责identify_effect.pyidentify_effect、CausalIdentifier顶层薄封装入口 兼容协议auto_identifier.pyidentify_effect_auto、identify_backdoor、identify_frontdoor、construct_*_estimand四路识别主引擎与 sympy 估计量构造backdoor.pyBackdoor、HittingSetAlgorithmDFS 贪心命中集的优化后门搜索efficient_backdoor.pyEfficientBackdoor方差/成本最优调整集Rotnitzky 系算法id_identifier.pyidentify_effect_id、IDExpression完整 ID 算法C-component 递归分解identified_estimand.pyIdentifiedEstimand识别结果的数据契约与人类可读报告adjustment_set.pyAdjustmentSetbackdoor/general 两类调整集的容器需要留意的适用前提AutoIdentifier类与IDIdentifier类均已标注向后兼容、未来弃用新代码应优先使用identify_effect/identify_effect_auto/identify_effect_id函数广义调整识别要求 Python ≥ 3.10效率后门方法仅支持一维处理与结果exhaustive-search后门策略受 10 万次迭代上限约束变量数较多时可能提前中止并给出 warning。这些边界条件均可在对应源码的 docstring 与枚举定义中逐一复核。赞分享机器学习数据分析【免费下载链接】dowhyDoWhy is a Python library for causal inference that supports explicit modeling and testing of causal assumptions. DoWhy is based on a unified language for causal inference, combining causal graphical models and potential outcomes frameworks.项目地址https://gitcode.com/gh_mirrors/do/dowhy点击查看免费下载相关推荐DoWhy因果模型构建与识别DoWhy因果模型构建与识别 本文系统介绍了DoWhy因果推断库的核心功能与应用方法。文章首先详细阐述了因果图模型的多种构建方式包括基础构建方法Networ机器学习数据分析如何用 DoWhy 构建因果图并做 machine-learning-for-trading 的因果识别如何用 DoWhy 构建因果图并做 machine learning for trading 的因果识别 这篇文章解决一个具体任务在 machine lear示例工程金融科技机器学习人工智能深度学习【亲测免费】 探索因果世界Dowhy —— 强大的因果推断库探索因果世界Dowhy —— 强大的因果推断库 在这个数据驱动的时代了解变量间的影响关系对于决策至关重要。我们不仅需要预测结果还需要理解当某个变量发生变化机器学习数据分析上一篇深入解析ncmdumpGUI网易云音乐NCM文件格式转换的技术实现下一篇gpui-kit Markdown 表格渲染实战用 markdown_table 示例调试报告类文档的三种表格布局创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
机器学习数据分析【免费下载链接】dowhyDoWhy is a Python library for causal inference that supports explicit modeling and testing of causal assumptions. DoWhy is based on a unified language for causal inference, combining causal graphical models and potential outcomes frameworks.项目地址https://gitcode.com/gh_mirrors/do/dowhy点击查看免费下载本篇技术文章聚焦 DoWhy 库的dowhy.causal_identifier包——这是 DoWhy「识别Identification」环节的核心引擎负责在给定因果图、处理变量、结果变量与已观测节点的前提下判断因果效应是否可识别并输出对应的估计量estimand表达式与调整集。读完本文你将理解该包 7 个子模块的职责划分、identify_effect_auto的主流程后门/工具变量/前门/广义调整四条识别路径、7 种BackdoorAdjustment方法名背后的搜索策略与复杂度控制以及IdentifiedEstimand结果对象如何被下游估计器消费。1. 文档定位dowhy.causal_identifier.rst 讲了什么Sphinx 模块文档页 本身是标准的自动 API 文档它通过 7 个.. automodule::指令声明了该包对外暴露的全部子模块adjustment_set 模块AdjustmentSet调整集容器类auto_identifier 模块AutoIdentifier类与identify_effect_auto主识别函数backdoor 模块优化的后门集搜索DFS 命中集算法efficient_backdoor 模块基于统计效率最优准则的门控调整集算法id_identifier 模块Shpitser–Tse 的 ID 算法实现identified_estimand 模块IdentifiedEstimand结果对象identify_effect 模块CausalIdentifier协议与顶层identify_effect入口函数。包级init.py 的__all__清单进一步确认了公开 API 面AutoIdentifier、CausalIdentifier、identify_effect_auto、identify_effect_id、BackdoorAdjustment、GeneralizedAdjustment、EstimandType、IdentifiedEstimand、IDIdentifier、identify_effect以及三个估计量构造函数construct_adjustment_estimand、construct_frontdoor_estimand、construct_iv_estimand。这意味着文档页所索引的 7 个模块共同构成了「识别」这一因果推断四步法建模 → 识别 → 估计 → 反驳中第二步的全部能力。2. 入口层identify_effect 函数与 CausalIdentifier 协议identify_effect.py 只有约 50 行却是理解整个包设计的关键。它包含两个组件2.1 CausalIdentifier 协议类CausalIdentifier是一个typing.Protocol规定了任何识别器至少需要实现一个identify_effect(graph, action_nodes, outcome_nodes, **kwargs)方法。源码 docstring 明确写道该类「为与 CausalModel 的向后兼容而存在未来将以函数式调用auto_identify_effect()取代而弃用」。从源码结构看DoWhy 正在从「面向对象式识别器」迁移到「函数式 API」协议类是这一迁移期的兼容层。2.2 identify_effect 顶层函数def identify_effect( graph: nx.DiGraph, action_nodes: Union[str, List[str]], outcome_nodes: Union[str, List[str]], observed_nodes: Union[str, List[str]], ) - IdentifiedEstimand: return identify_effect_auto( graph, action_nodes, outcome_nodes, observed_nodes, EstimandType.NONPARAMETRIC_ATE, backdoor_adjustmentBackdoorAdjustment.BACKDOOR_DEFAULT, optimize_backdoorFalse, )这是一个薄封装固定使用非参数平均处理效应ATE估计量类型、默认后门策略、不启用优化搜索直接委托给identify_effect_auto。四个位置参数中observed_nodes尤其重要——它界定了「哪些变量在数据中可见」直接影响哪些调整集是可执行的详见第 5 节的可观测性过滤。3. 主识别引擎identify_effect_auto 与四种估计量类型auto_identifier.py1164 行是本包体量最大、逻辑最核心的模块。它首先定义了三个枚举它们是调用方必须掌握的「配置词汇表」3.1 EstimandType四种估计量类型class EstimandType(Enum): # Average total effect NONPARAMETRIC_ATE nonparametric-ate # Natural direct effect NONPARAMETRIC_NDE nonparametric-nde # Natural indirect effect NONPARAMETRIC_NIE nonparametric-nie # Controlled direct effect NONPARAMETRIC_CDE nonparametric-cdeidentify_effect_auto对这四类估计量的分派逻辑各不相同估计量类型分派函数使用的方法nonparametric-ateidentify_ate_effect后门 工具变量 前门 广义调整四路并行尝试nonparametric-nie/nonparametric-ndeidentify_nie_effect/identify_nde_effect先做后门识别再识别中介变量构造中介估计量nonparametric-cdeidentify_cde_effect在「删除处理→结果直接边」的图上做后门识别direct_effectTrue引用 Vanderwheele (2011)值得注意的两个边界处理无有向路径短路identify_effect_auto一开始就调用has_directed_path检查若处理变量到结果变量之间不存在有向路径直接返回带no_directed_pathTrue标志的IdentifiedEstimand并打印「Causal Effect is zero」——此时无需任何调整集不支持的类型抛ValueError错误信息中列出全部四个合法枚举值。3.2 ATE 识别的四路流水线identify_ate_effectidentify_ate_effect的执行顺序是理解本包的骨架后门识别。根据backdoor_adjustment是否属于EFFICIENT_METHODS集合分流非效率方法调用identify_backdoor当optimize_backdoorTrue时走 backdoor.py 的Backdoor优化搜索效率方法调用identify_efficient_backdoor工具变量识别。调用get_instruments找出满足「与处理相关、与结果独立给定处理、不被处理造成」三条件的工具变量若存在则用construct_iv_estimand生成 IV 估计量estimands_dict[iv]中存放的 sympy 表达式为E[∂Y/∂Z / (∂T/∂Z)]并附带两条显式假设As-if-randomZ 不被潜在变量 U 影响与Exclusion移除 Z→T 后 Z 不再影响 Y前门识别。identify_frontdoor在候选变量处理的非自身、非结果的下游节点 ∩ 观测节点中穷举逐一验证三条前门条件条件 1 用check_valid_frontdoor_set检查候选集是否拦截所有有向路径条件 2 用空调整集检查「处理与候选变量之间无混杂」条件 3 在删除候选集出边的手术图上检查「处理阻断候选变量与结果间的全部混杂」。命中后由construct_frontdoor_estimand生成估计量E[(∂Z/∂T)(∂Y/∂Z)]并额外计算两阶段的混杂变量一阶段为处理→中介二阶段为中介→结果广义调整识别。这是后门判据的推广只在Python ≥ 3.10下启用因为依赖nx.algorithms.find_minimal_d_separator低版本 Python 会记录 warning 并跳过结果写入estimands_dict[general_adjustment]。最后所有结果被打包进一个IdentifiedEstimand对象返回字段包括estimands各策略对应的估计量字典、backdoor_variables、general_adjustment_variables、instrumental_variables、frontdoor_variables及中介相关字段。3.3 后门集搜索的七种策略BackdoorAdjustment枚举定义了 7 种方法名配合identify_backdoor与find_valid_adjustment_sets的实现可以精确定位每种策略的行为class BackdoorAdjustment(Enum): BACKDOOR_DEFAULT default BACKDOOR_EXHAUSTIVE exhaustive-search BACKDOOR_MIN minimal-adjustment BACKDOOR_MAX maximal-adjustment BACKDOOR_EFFICIENT efficient-adjustment BACKDOOR_MIN_EFFICIENT efficient-minimal-adjustment BACKDOOR_MINCOST_EFFICIENT efficient-mincost-adjustmentidentify_backdoor的搜索流程auto_identifier.py L531-L633值得逐步拆解d-分离算法选择dseparation_algodefault时对图做 do-手术删除处理的出边direct_effectTrue时只删除指向结果的直接边在手术图上做 d-分离判定naive模式则退化为枚举后门路径空集优先先检查空调整集是否已满足后门判据即处理与结果本身已 d-分离。若满足且方法为minimal-adjustment立即返回空集——这是最小调整的自然下界候选变量过滤候选集 全图节点 − 处理节点 − 结果节点非中介情形再减去处理的所有下游随后剔除与处理或结果本身 d-分离的变量这类变量不可能出现在任何有效调整集中按集合规模穷举find_valid_adjustment_sets用itertools.combinations枚举候选集组合。minimal-adjustment从小集合向大集合枚举找到第一个即停maximal-adjustment/default从大集合向小枚举default策略找到第一个有效集合后会再跑一遍BACKDOOR_MIN从而在结果中同时保留默认集与最小集exhaustive-search会枚举至多MAX_BACKDOOR_ITERATIONS 100000次迭代以防组合爆炸全观测剪枝当图中所有节点均可观测且最大候选集合都不满足后门判据时其任意子集也不可能满足搜索提前终止。三种efficient-*方法不在上面这条穷举路径上而是进入identify_efficient_backdoor其 docstring 引用 Rotnitzky Smucler (2020)、Smucler, Sapienza Rotnitzky (2021)、Smucler Rotnitzky (2022)目标是在非参数图形模型下寻找渐近方差最小的调整集docstring 同时指出按 Henckel, Perkovic Maathuis (2020) 的结论这些最优集在线性图形模型 OLS 估计下同样保持最优。3.4 默认调整集的选择逻辑get_default_adjustment_set_id揭示了「backdoor」这一默认键背后的两条规则最少工具变量优先在所有有效调整集中选取包含最少工具变量instrumental variables的集合——避免把工具变量纳入调整集对工具变量做条件化会引入坏控制问题最少变量数优先在满足第一条的集合中选取调整变量数目最少的一个作为default_backdoor_id。4. 优化后门搜索backdoor.py 的命中集算法optimize_backdoorTrue时绕开组合枚举改用 backdoor.py 中的Backdoor类。其设计由三个数据结构协作完成Path表示两个节点之间的一条具体路径记录「是否被阻断」与「需要条件化的中间节点集合」NodePair聚合某节点对之间的所有路径_condition_vars是一个集合的集合每条路径对应一个需条件化的变量集update方法在发现新路径时合并信息并支持把子问题的解回填到前缀路径_path_search_util中的递归记忆化逻辑HittingSetAlgorithm经典的命中集hitting set近似最小化——把「找到能击中每条后门路径至少一个非碰撞节点的最小变量集」建模为集合覆盖问题统计每个变量排除碰撞节点出现在多少条路径中贪心挑选出现次数最多的变量加入解集迭代直到全部路径被覆盖。碰撞节点被显式排除因为对碰撞节点做条件化会打开而非关闭路径。get_backdoor_vars的入口把有向图转无向邻接表后对每个「处理节点 × 结果节点」配对执行 DFS 路径搜索_path_search_util用prev_arrow标志识别碰撞结构连续两条入向箭头构成碰撞节点该分支被标记为 blocked 并剪枝最终把HittingSetAlgorithm.find_set()的结果包装为AdjustmentSet返回。相比穷举法这套 DFS 贪心命中集的方式避免了O(2^n)的组合枚举适合变量较多的图。5. 结果对象IdentifiedEstimand 的数据结构与消费方式identified_estimand.py 定义了识别步骤的唯一输出契约。构造函数接收 14 个字段其中identifier已被标记为待弃用核心字段包括treatment_variable/outcome_variable经parse_state规范化为列表、estimand_type、estimands策略名 → 估计量字典、backdoor_variables/general_adjustment_variables策略名 → 调整变量列表、instrumental_variables、frontdoor_variables、mediator_variables、两阶段中介混杂、default_backdoor_id、default_adjustment_set_id与identifier_method。对下游最有用的访问器get_adjustment_set(keyNone)/set_adjustment_set当identifier_method general_adjustment时自动路由到广义调整变量否则走后门变量get_backdoor_variables(key)若未显式传 key 且当前估计器是 backdoor 类方法返回该策略对应的调整集否则返回默认集——这解释了为什么估计器可以无感地拿到「正确的」调整集__str__(only_target_estimand, show_all_backdoor_sets)人类可读的报告no_directed_pathTrue时输出「因果效应为零」否则用sp.pretty打印每个估计量的 sympy 表达式逐条列出其假设如Unconfoundedness若 U→T 且 U→Y则 P(Y|T,X,U)P(Y|T,X)。每个estimands字典项的值是一个{estimand: sympy表达式, assumptions: {假设名: 假设文本}}结构。例如调整估计量construct_adjustment_estimand生成D[E[Y|Z]/dT]形式的导数表达式并附带字符串表达式d(Y|z1,z2)/dt工具变量与前门估计量分别生成二阶导数比与乘积形式的 sympyExpectation对象。这些符号表达式是 DoWhy「先识别、后估计」范式的数据基础估计器据此知道要对哪些变量回归、做何种加权。6. 调整集容器与广义调整adjustment_set.py 是一个 30 行的轻量数据类AdjustmentSet(adjustment_type, adjustment_variables, num_paths_blocked_by_observed_nodesNone)两个类型常量区分BACKDOOR backdoor与GENERAL general。注释特意说明广义调整集在数学上涵盖了后门集但鉴于后门判据的普遍性两者被显式区分。广义调整的核心实现在identify_generalized_adjustment_set先构造「proper backdoor graph」与「proper causal path nodes」因果路径上的节点及其下游然后调用nx.algorithms.find_minimal_d_separator把搜索限制在「非因果路径节点的观测节点」内——即调整集绝不包含中介变量。docstring 引用 van der Zander, Liśkiewicz Textor 的 UAI 2014 论文「Constructing Separators and Adjustment Sets in Ancestral Graphs」强调该准则是完备的只要存在某个调整集此算法就能找到而不像后门判据那样可能漏掉不满足后门条件但依然有效的调整集。当前exhaustive-search分支会显式抛出「尚未支持」的ValueError默认行为只返回单个最小调整集。7. ID 算法超越后门/前门/工具的完整判据id_identifier.py 实现了 Pearl 学派 Shpitser–Tse 的 ID 算法源码 docstring 给出 Shpitser 博士论文链接及伪代码位置 Pg 40。它的定位是后门、前门、工具变量只是 ID 算法的特例ID 算法能识别某些三者均失败的情形。实现要点入口identify_effect_id(graph, action_nodes, outcome_nodes)先做拓扑排序以验证输入是 DAG否则抛ValueError随后将图转为邻接矩阵并递归求解__adjacency_matrix_identify_effect递归结构与论文伪代码逐行对应第 1 行无处理时返回观测分布的边缘化、第 2 行只对结果的祖先子图求解、第 3 行对不影响 Y 的节点强制 do 操作、第 4 行利用 C-component 分解把问题拆成乘积 边缘化、第 5 行hedge 结构导致不可识别返回None、第 6 行无双向边时把 do 替换为条件化沿拓扑序输出因子分解P(y|do(x)) Π P(v_i | pa_i) ...、第 7 行最复杂的子问题缩减输出类型IDExpression维护_product待相乘的估计器列表与_sum待边缘化的变量列表__str__把嵌套结构渲染成「Sum over {...}: Predictor: P(y|...)」的缩进文本若图不可识别打印「The graph is not identifiable」。对应的测试覆盖位于 tests/causal_identifiers/test_id_identifier.py可作为各分支行为的验证参考。8. 实践路径从函数调用到测试用例综合以上源码dowhy.causal_identifier包的最小可用调用形如import networkx as nx from dowhy.causal_identifier import identify_effect graph nx.DiGraph() graph.add_edges_from([(U, T), (U, Y), (T, Y)]) estimand identify_effect( graphgraph, action_nodesT, outcome_nodesY, observed_nodes[T, Y, U], ) print(estimand) # 打印 ATE 估计量表达式与 Unconfoundedness 假设若需要精细控制直接调用identify_effect_auto并传入EstimandType与BackdoorAdjustment枚举需要costs形如[(node, {cost: x}) for node in nodes]仅efficient-mincost-adjustment使用缺省视为全 1 且仅对正数有效或conditional_node_names用于界定「决定处理分配的变量」未提供时假定干预把处理设为常数时注意 efficient_backdoor.py 的EfficientBackdoor.__init__会对多维处理/多维结果直接抛错效率后门方法只支持一维并校验 costs 必须为正数、条件变量必须在observed_nodes内。识别质量由三层测试保障tests/causal_identifiers/test_auto_identifier.py、tests/causal_identifiers/test_backdoor_identifier.py、tests/causal_identifiers/test_efficient_backdoor_identifier.py 与 tests/causal_identifiers/test_id_identifier.py其中 efficient 与 complete adjustment 测试还依赖独立的示例图库 example_graphs_efficient.py。这些测试对应的教程示例如 efficient backdoor 教程、ID 算法教程展示了从识别到估计的完整流水线。9. 小结包内模块职责速查模块核心对象/函数一句话职责identify_effect.pyidentify_effect、CausalIdentifier顶层薄封装入口 兼容协议auto_identifier.pyidentify_effect_auto、identify_backdoor、identify_frontdoor、construct_*_estimand四路识别主引擎与 sympy 估计量构造backdoor.pyBackdoor、HittingSetAlgorithmDFS 贪心命中集的优化后门搜索efficient_backdoor.pyEfficientBackdoor方差/成本最优调整集Rotnitzky 系算法id_identifier.pyidentify_effect_id、IDExpression完整 ID 算法C-component 递归分解identified_estimand.pyIdentifiedEstimand识别结果的数据契约与人类可读报告adjustment_set.pyAdjustmentSetbackdoor/general 两类调整集的容器需要留意的适用前提AutoIdentifier类与IDIdentifier类均已标注向后兼容、未来弃用新代码应优先使用identify_effect/identify_effect_auto/identify_effect_id函数广义调整识别要求 Python ≥ 3.10效率后门方法仅支持一维处理与结果exhaustive-search后门策略受 10 万次迭代上限约束变量数较多时可能提前中止并给出 warning。这些边界条件均可在对应源码的 docstring 与枚举定义中逐一复核。赞分享机器学习数据分析【免费下载链接】dowhyDoWhy is a Python library for causal inference that supports explicit modeling and testing of causal assumptions. DoWhy is based on a unified language for causal inference, combining causal graphical models and potential outcomes frameworks.项目地址https://gitcode.com/gh_mirrors/do/dowhy点击查看免费下载相关推荐DoWhy因果模型构建与识别DoWhy因果模型构建与识别 本文系统介绍了DoWhy因果推断库的核心功能与应用方法。文章首先详细阐述了因果图模型的多种构建方式包括基础构建方法Networ机器学习数据分析如何用 DoWhy 构建因果图并做 machine-learning-for-trading 的因果识别如何用 DoWhy 构建因果图并做 machine learning for trading 的因果识别 这篇文章解决一个具体任务在 machine lear示例工程金融科技机器学习人工智能深度学习【亲测免费】 探索因果世界Dowhy —— 强大的因果推断库探索因果世界Dowhy —— 强大的因果推断库 在这个数据驱动的时代了解变量间的影响关系对于决策至关重要。我们不仅需要预测结果还需要理解当某个变量发生变化机器学习数据分析上一篇深入解析ncmdumpGUI网易云音乐NCM文件格式转换的技术实现下一篇gpui-kit Markdown 表格渲染实战用 markdown_table 示例调试报告类文档的三种表格布局创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
