> ML_KUTUPHANE // CAUSALML_v1.0
CausalML
Uber Open Source — Hedefli kampanyalar için Uber'in üretime hazır uplift modelleme ve nedensel makine öğrenimi kütüphanesi.
probabilistic-modellingv0.15.2Apache-2.0qualified
Model Eğitimi (Training)
Desteklenen Hızlandırıcılar:
CPU
Dağıtık Eğitim (Distributed):Hayır
Model Sunumu (Inference)
Inference Hızlandırıcıları:
CPU
Hedef Ortamlar (Targets):server
Neleri Sağlar (Ne Yapar)
- +LightGBM ve XGBoost'u sarmalayan artış (uplift) modellemesi ve meta-öğreniciler (S-Learner, T-Learner, X-Learner, R-Learner)
- +Ağaç tabanlı uplift algoritmaları (Uplift Random Forest, Uplift Tree)
- +Uplift değerlendirme metrikleri: Kümülatif Kazanç, Qini eğrisi ve Uplift Eğrisi Altındaki Alan (AUUC)
- +Yorumlanabilir nedensel ağaç görselleştirmeleri
Neleri Sağlamaz (Ne Yapmaz)
- -Müdahale kayıtları olmadan otomatik nedensel keşif yapma
- -Uç mikrodenetleyicilerde gerçek zamanlı çalışma
- -Derin görsel transformatör mimarileri eğitme
>Uygun İş Tipleri
- Pazarlama promosyonlarını yalnızca indirimle dönüşüm sağlayan "ikna edilebilir" müşterilere hedefleme
- İndirimsiz de satın alacak "kesin alıcıları" hariç tutarak reklam bütçesi israfını önleme
- Kullanıcı segmentleri genelinde A/B deneyi artış (uplift) eğrilerini değerlendirme
>Uygun Olmayan İş Tipleri
- Saf doğal dil veya ses üretimi
- Müdahale gruplarının bulunmadığı standart denetimli sınıflandırma
Veri Yerleşimi ve İkameti
Tamamen dahili sunucularda yerel bellekte çalışır. Sıfır telemetri.
Güvenlik Değerlendirmesi
Sıfır ticari kısıtlama içeren Apache-2.0 lisansı.
Operasyonel Metrikler ve Bilinen Kısıtlar
Olgunluk:mature
Öğrenme Eğrisi:moderate
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
- Yanlı artış tahminlerini önlemek için rastgele kontrollü deney (RCT) müdahale bayrakları veya dikkatle kontrol edilen eğilim skorları gerektirir.
İlişkili Üretim Arıza Paternleri (Incidentpedia)
Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:
> Birincil Kanıt ve Doğrulama Kaynakları
CausalML Documentationofficial-docs • >=0.14.0, <=0.15.x
2026-09-25HIGH