这个是因果图的案例资源，具体内容请看：http://blog.csdn.net/xc5683/article/details/8125950

Mastering ’Metrics The Path from Cause to Effect

在别处看的一个用MATLAB写的一个GRANGER 因果检验程序，跟大家分享一下

因果关系及其在社交媒体中的应用：一项调查

本文精选了几篇**因果表示学习**领域的最新文献，并细致分析了不同方法的基本架构，希望能帮助感兴趣的你对**因果学习应用于机器学习**的方向和可能一探究竟。 提取模块化结构（Learning modular structures） 反事实推理（Counterfactual） 平衡因果表示学习 收录了此文补充引用的文章 图灵奖得主Judea Pearl：机器学习的理论局限性与因果推理的七大特性 最后，本.md笔记收录了丁鹏老师的因果推断简介连载文章

【软件测试】： 测试用例：因果图法设计测试用例.doc

PyCID：因果影响图库 该软件包实现了因果影响图和分析方法，并且是项目的一部分。 pgmpy为，提供了定义CID和MACID，计算最佳策略和纳什均衡，研究干预措施的效果以及检查各种奖励措施的图形标准的方法。 安装 创建并激活或。 然后使用以下命令进行安装： python3 -m pip install pycid PyCID需要python 3.7或更高版本。 基本用法 # Import import pycid # Specify the nodes and edges of a simple CID cid = pycid . CID ([ ( 'S' , 'D' ), # add nodes S and D, and a link S -> D ( 'S' , 'U' ), # add node U, and a link S -> U ( '

用于贝叶斯因果网络的训练数据，医学应用建模，诊断，预防和治愈肺癌。

因果对学习官方入门指南 Cause-Effect Pairs Challenge

为什么：关于因果关系的新科学