博客 / 詳情

返回

PyCausalSim：基於模擬的因果發現的Python框架

做 A/B 測試或者分析轉化率的時候，經常會碰到那個老生常談的問題：

“這數據的波動到底是干預引起的，還是僅僅是相關性？”

傳統的分析手段和機器學習擅長告訴你什麼能預測結果，但預測不等於因果。而在做決策，不管是干預、優化還是調整業務邏輯時，我們需要的是因果關係。

今天介紹一下 PyCausalSim，這是一個利用模擬方法來挖掘和驗證數據中因果關係的 Python 框架。

問題：相關性好找，因果難定

舉個例子，減少頁面加載時間後轉化率漲了，看起來是沒問題的。但這真的是加載速度的功勞嗎？也許同期正好上了新的營銷活動，或者是季節性效應，甚至僅僅是競爭對手掛了，又或者只是隨機噪聲。這時候傳統方法往往會失效：

 # WRONG: This doesn't tell you what CAUSES conversions
 from sklearn.ensemble import RandomForestRegressor
 
 rf = RandomForestRegressor()
 rf.fit(X, y)
 print(rf.feature_importances_)  # Tells you what predicts, NOT what causes

Feature importance 只能告訴你什麼能預測結果，它搞不定混淆變量（confounders），分不清因果方向，在遇到選擇偏差（selection bias）時也會翻車，因為它給出的僅僅是相關性。

PyCausalSim

PyCausalSim 走的是另一條路。它不光是找數據模式，而是：學習系統的因果結構，模擬反事實場景（Counterfactuals，即“如果……會發生什麼”），然後通過嚴格的統計檢驗驗證因果假設。他的工作流程大致如下：

 from pycausalsim import CausalSimulator
 
 # Initialize with your data
 simulator = CausalSimulator(
     data=df,
     target='conversion_rate',
     treatment_vars=['page_load_time', 'price', 'design_variant'],
     confounders=['traffic_source', 'device_type']
 )
 
 # Discover causal structure
 simulator.discover_graph(method='ges')
 
 # Simulate: What if we reduce load time to 2 seconds?
 effect = simulator.simulate_intervention('page_load_time', 2.0)
 print(effect.summary())

輸出

  Causal Effect Summary
 ==================================================
 Intervention: page_load_time = 2.0
 Original value: 3.71
 Target variable: conversion_rate
 
 Effect on conversion_rate: +2.3%
 95% CI: [+1.8%, +2.8%]
 P-value: 0.001

這是真正的因果效應估計，不再是簡單的相關性分析。

核心因果模擬器 (Core Causal Simulator)

CausalSimulator

類是整個框架的核心。它負責圖發現（從數據中自動學習因果結構）、干預模擬（蒙特卡洛模擬反事實結果）、驅動因素排序、策略優化以及內置的驗證模塊（敏感性分析、安慰劑檢驗等）。

 # Rank true causal drivers
 drivers = simulator.rank_drivers()
 for var, effect in drivers:
     print(f"{var}: {effect:+.3f}")
 
 # Output:
 # page_load_time: +0.150
 # price: -0.120
 # design_variant: +0.030

營銷歸因 (Marketing Attribution)

別再只看 Last-touch 歸因了，瞭解每個渠道的真實增量價值才是最重要的：

 from pycausalsim import MarketingAttribution
 
 attr = MarketingAttribution(
     data=touchpoint_data,
     conversion_col='converted',
     touchpoint_cols=['email', 'display', 'search', 'social', 'direct']
 )
 
 # Causal Shapley values for fair attribution
 attr.fit(method='shapley')
 weights = attr.get_attribution()
 # {'search': 0.35, 'email': 0.25, 'social': 0.20, 'display': 0.15, 'direct': 0.05}
 
 # Optimize budget allocation
 optimal = attr.optimize_budget(total_budget=100000)

支持的方法包括 Shapley 值（博弈論）、馬爾可夫鏈歸因、Uplift 歸因、邏輯迴歸以及傳統的首末次接觸基線。

A/B 測試分析 (A/B Test Analysis)

實驗分析不能只靠 t-test，引入因果推斷能做得更深：

 from pycausalsim import ExperimentAnalysis
 
 exp = ExperimentAnalysis(
     data=ab_test_data,
     treatment='new_feature',
     outcome='engagement',
     covariates=['user_tenure', 'activity_level']
 )
 
 # Doubly robust estimation (consistent if EITHER model is correct)
 effect = exp.estimate_effect(method='dr')
 print(f"Effect: {effect.estimate:.4f} (p={effect.p_value:.4f})")
 
 # Analyze heterogeneous effects
 het = exp.analyze_heterogeneity(covariates=['user_tenure'])
 # Who responds differently to the treatment?

支持簡單均值差分、OLS 協變量調整、IPW（逆概率加權）、雙重穩健（Doubly Robust / AIPW）以及傾向性評分匹配。

Uplift 建模

關注點在於誰會對干預產生反應，而不只是平均效應。

 from pycausalsim.uplift import UpliftModeler
 
 uplift = UpliftModeler(
     data=campaign_data,
     treatment='received_offer',
     outcome='purchased',
     features=['recency', 'frequency', 'monetary']
 )
 
 uplift.fit(method='two_model')
 
 # Segment users by predicted response
 segments = uplift.segment_by_effect()

用户分層非常直觀：

  • Persuadables — 只有被幹預才轉化。這是核心目標。
  • Sure Things — 不干預也會轉化。別在這浪費預算。
  • Lost Causes — 干預了也沒用。
  • Sleeping Dogs — 干預反而起反作用。絕對要避開。

結構因果模型 (Structural Causal Models)

如果你對系統機制有明確的先驗知識，還可以構建顯式的因果模型：

 from pycausalsim.models import StructuralCausalModel
 
 # Define causal graph
 graph = {
     'revenue': ['demand', 'price'],
     'demand': ['price', 'advertising'],
     'price': [],
     'advertising': []
 }
 
 scm = StructuralCausalModel(graph=graph)
 scm.fit(data)
 
 # Generate counterfactuals
 cf = scm.counterfactual(
     intervention={'advertising': 80},
     data=current_data
 )
 
 # Compute average treatment effect
 ate = scm.ate(
     treatment='price',
     outcome='revenue',
     treatment_value=27,
     control_value=30
 )

多種發現算法

PyCausalSim 集成了多種算法來學習因果結構，適應不同場景：

  • PC (Constraint-based) — 通用，可解釋性強。
  • GES (Score-based) — 搜索效率高，默認效果不錯。
  • LiNGAM (Functional) — 處理非高斯數據效果好。
  • NOTEARS (Neural) — 神經網絡方法，能處理複雜關係。
  • Hybrid (Ensemble) — 通過多種方法的共識來提高穩健性。
 # Try different methods
 simulator.discover_graph(method='pc')      # Constraint-based
 simulator.discover_graph(method='ges')     # Score-based
 simulator.discover_graph(method='notears') # Neural
 simulator.discover_graph(method='hybrid')  # Ensemble

內置驗證

任何因果結論都得經得起推敲。PyCausalSim 內置了驗證模塊：

 sensitivity = simulator.validate(variable='page_load_time')
 
 print(sensitivity.summary())
 # - Confounding bounds at different strengths
 # - Placebo test results
 # - Refutation test results
 # - Robustness value (how much confounding would nullify the effect?)

安裝

直接從 GitHub 安裝：

 pip install git+[https://github.com/Bodhi8/pycausalsim.git](https://github.com/Bodhi8/pycausalsim.git)

或者 clone 到本地：

 git clone [https://github.com/Bodhi8/pycausalsim.git](https://github.com/Bodhi8/pycausalsim.git)
 cd pycausalsim
 pip install -e".[dev]"

依賴庫包括 numpy, pandas, scipy, scikit-learn (核心)，可視化用到 matplotlib 和 networkx。也可選集成 dowhy 和 econml。

總結

PyCausalSim 的構建基於數十年的因果推斷研究成果：Pearl 的因果框架（結構因果模型、do-calculus）、Rubin 的潛在結果模型，以及現代機器學習方法（NOTEARS, DAG-GNN）和蒙特卡洛模擬。並且它與 DoWhy (Microsoft), EconML (Microsoft) 和 CausalML (Uber) 等生態系統兼容。

機器學習問“會發生什麼”，因果推斷問“為什麼發生”，而PyCausalSim解決的是“如果……會發生什麼”。

地址：

https://avoid.overfit.cn/post/8c1d8e45c56e47bfb49832596e46ecf6

作者：Brian Curry

機器學習 , 人工智能 , Python
user avatar
0 位用戶收藏了這個故事！

發佈 評論

Some HTML is okay.