Causal Inference
1.[Causal Inference] 인과추론에서 머신러닝이 필요한 이유
최근, 인과추론에 Tree 계열이나 Neural Network 모델 같은 복잡한 머신러닝 모델을 활용하고 있습니다 (보통 Tree 모델을 많이 사용).이렇듯 인과추론에 머신러닝 모델을 활용하는 이유는 뭘까요?
2023년 8월 24일
2.DID(Difference-In-Differences)
DID(Difference-In-Differences)는 Causal Inference의 대표적인 방법 중 하나입니다.DID는 Control Group의 Outcome 변화량을 Treatment Group이 Treatment를 받지 않았을 때의 변화량으로 간주합니다.즉
2023년 8월 27일
3.[Causal Inference] DoWhy 라이브러리 사용 예시
DoWhy 패키지는 인과추론의 대표적인 패키지 중 하나입니다. DoWhy 패키지에 대한 간단한 실습으로 DoWhy 사용법을 익혀봅니다.
2023년 9월 4일
4.[Causal Inference] Matching & IPW
인과추론의 핵심인 matching, propensity score, IPW에 관한 내용입니다.
2023년 12월 4일