从预测到决策，九章云极DataCanvas 推出 YLearn 因果学习开源项目( 二 ) 2016年

YLearn：全球首款一站式处理因果学习完整流程的开源算法工具包
九章云极DataCanvas是国内一家专注于人工智能、机器学习与数据智能基础软件的公司， 2020年公司就看到了因果推断对人工智能未来发展的重要性，并将因果推断作为重要的研发与突破方向， 2021年6月正式启动了YLearn因果学习开源项目（https://github.com/DataCanvasIO/YLearn）。
YLearn因果学习开源项目（以下简称“YLearn”），是全球首款能够一站式处理因果推断完整流程的开源工具包，它几乎包含并解决了因果推断领域中所有的核心问题，包括因果发现、因果量识别、因果效应估计、反事实预测、策略学习等，同时提供了面向用户的基础API 。 YLearn还提供了重要模块的可视化输出，如因果图、因果效应解释、决策树等，帮助用户更直观地理解数据、调整策略、实现预期。

文章图片
YLearn工具包组成
我们能看到，与上述其他产品和工具相比最大的不同，是YLearn具有一站式、新而全、用途广等特点。
首先， YLearn一站式地支持从数据中发现因果结构、对因果结构建立因果模型、使用因果模型进行因果识别、对因果效应进行估计等一系列功能，使用户能以最低的学习成本使用与部署。
其次， YLearn实现了多个在因果推断领域中发展出的算法，例如Meta-Learner、DoubleMachineLearning等，也将一直紧跟前沿进展，保持因果识别与估计模型的先进和全面。
最后， YLearn还支持对因果效应进行解释、根据因果效应在各种方案中选取收益最大的方案并可视化决策过程等功能。除此之外， YLearn也支持将因果结构中识别出的因果效应的概率分布表达式以LaTex的形式输出等小功能，帮助用户将因果学习与其他方向的研究进行交叉融合。

文章图片
YLearn工作流程图
据介绍， YLearn的应用目前主要集中在两个领域，一个是用于弥补机器学习理论上的缺陷。在机器学习模型中加入因果机制，利用因果关系的稳定性和可解释性，优化模型、提升效率；另一个是帮助实现用户需求从预测到决策的迁移，例如使用基于因果推断的推荐算法帮助企业进行客户增长和智能营销等。
目前九章云极DataCanvas已正式对外发布了第一个版本，后期也会持续进行版本的迭代。
【从预测到决策，九章云极DataCanvas 推出 YLearn 因果学习开源项目】九章云极DataCanvas的主任架构师杨健对CSDN透露，接下来， YLearn将做大量落地实践和验证的工作，并结合DataCanvasAPS自动机器学习平台、DataCanvasRT实施决策中心等平台级产品，进一步实现客户在决策任务上的需求。同时结合客户实际场景，沿着帮助企业建立决策图谱、解决因果学习的自动调参和优化问题、实现高效的特征发现和特征工程，提高机器学习的泛化能力、解释性等不同路线进行演进。最终，就像机器学习中的scikit-learn一样，九章云极DataCanvas希望YLearn能够成为因果推断领域的基础算法包和必选项。
人工智能发展到今天，业界涌现了层出不穷的机器学习和深度学习技术，都是希望帮助人们更准确的分析问题，甚至预测未来。现在，因果推断能够帮助AI模型赋予因果关系，弥补机器学习理论的缺陷，正在解决从“是什么”到“为什么”的问题，也因此，因果推断将是进一步发展人工智能技术的必经之路。又或许，因果推断将成为AI能否像人类一样思考、强人工智能是否能够实现的关键。