详细内容或原文请订阅后点击阅览
ML 模型中的因果关系：引入单调约束
单调约束是使机器学习模型可操作的关键，但它们仍然未被广泛使用继续阅读 Towards Data Science »
来源:走向数据科学因果关系迅速成为每个数据科学家工具包中的重要组成部分。
c，有充分的理由。
的确，因果模型在业务中具有很高的价值，因为它们为“假设”方案提供了更可靠的估计，尤其是在制定影响业务成果的决策时。
在本文中，我将展示一个简单的更改（字面上添加一条代码）如何将传统的ML模型（如随机森林，LightGBM，Catboost等）转换为可靠的工具来回答因果问题。
因果ML模型与传统ML模型
您可以使用此笔记本复制文章中显示的所有结果。使用的数据集是Pycaret（MIT许可下的Python库）的“房屋”数据集。此笔记本 pycaret MIT许可证
说我们在一家房地产公司工作。该公司的业务包括购买房屋并以更高的价格转售。
我们收集了有关过去交易一部分的房屋的数据。数据集由3个变量组成：