?PyCausalSim：基于模擬的因果發(fā)現(xiàn)的Python框架

做 A/B 測試或者分析轉(zhuǎn)化率的時候，經(jīng)常會碰到那個老生常談的問題：

“這數(shù)據(jù)的波動到底是干預(yù)引起的，還是僅僅是相關(guān)性？”

傳統(tǒng)的分析手段和機器學(xué)習(xí)擅長告訴你什么能預(yù)測結(jié)果，但預(yù)測不等于因果。而在做決策，不管是干預(yù)、優(yōu)化還是調(diào)整業(yè)務(wù)邏輯時，我們需要的是因果關(guān)系。

今天介紹一下PyCausalSim，這是一個利用模擬方法來挖掘和驗證數(shù)據(jù)中因果關(guān)系的 Python 框架。

問題：相關(guān)性好找，因果難定

舉個例子，減少頁面加載時間后轉(zhuǎn)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(jié)性效應(yīng)，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(tǒng)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 只能告訴你什么能預(yù)測結(jié)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(guān)性。

PyCausalSim

PyCausalSim 走的是另一條路。它不光是找數(shù)據(jù)模式，而是：學(xué)習(xí)系統(tǒng)的因果結(jié)構(gòu)，模擬反事實場景（Counterfactuals，即“如果……會發(fā)生什么”），然后通過嚴(yán)格的統(tǒng)計檢驗驗證因果假設(shè)。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(yīng)估計，不再是簡單的相關(guān)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(fù)責(zé)圖發(fā)現(xiàn)（從數(shù)據(jù)中自動學(xué)習(xí)因果結(jié)構(gòu)）、干預(yù)模擬（蒙特卡洛模擬反事實結(jié)果）、驅(qū)動因素排序、策略優(yōu)化以及內(nèi)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，了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、邏輯回歸以及傳統(tǒng)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(xié)變量調(diào)整、IPW（逆概率加權(quán)）、雙重穩(wěn)?。―oubly Robust / AIPW）以及傾向性評分匹配。

Uplift 建模

關(guān)注點在于誰會對干預(yù)產(chǎn)生反應(yīng)，而不只是平均效應(yīng)。

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()

用戶分層非常直觀：

• Persuadables— 只有被干預(yù)才轉(zhuǎn)化。這是核心目標(biāo)。
• Sure Things— 不干預(yù)也會轉(zhuǎn)化。別在這浪費預(yù)算。
• Lost Causes— 干預(yù)了也沒用。
• Sleeping Dogs— 干預(yù)反而起反作用。絕對要避開。

結(jié)構(gòu)因果模型 (Structural Causal Models)

如果你對系統(tǒng)機制有明確的先驗知識，還可以構(gòu)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(fā)現(xiàn)算法

PyCausalSim 集成了多種算法來學(xué)習(xí)因果結(jié)構(gòu)，適應(yīng)不同場景：

• PC(Constraint-based) — 通用，可解釋性強。
• GES(Score-based) — 搜索效率高，默認(rèn)效果不錯。
• LiNGAM(Functional) — 處理非高斯數(shù)據(jù)效果好。
• NOTEARS(Neural) — 神經(jīng)網(wǎng)絡(luò)方法，能處理復(fù)雜關(guān)系。
• Hybrid(Ensemble) — 通過多種方法的共識來提高穩(wěn)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(nèi)置驗證

任何因果結(jié)論都得經(jīng)得起推敲。PyCausalSim 內(nèi)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(jié)

PyCausalSim 的構(gòu)建基于數(shù)十年的因果推斷研究成果：Pearl 的因果框架（結(jié)構(gòu)因果模型、do-calculus）、Rubin 的潛在結(jié)果模型，以及現(xiàn)代機器學(xué)習(xí)方法（NOTEARS, DAG-GNN）和蒙特卡洛模擬。并且它與 DoWhy (Microsoft), EconML (Microsoft) 和 CausalML (Uber) 等生態(tài)系統(tǒng)兼容。

機器學(xué)習(xí)問“會發(fā)生什么”，因果推斷問“為什么發(fā)生”，而PyCausalSim解決的是“如果……會發(fā)生什么”。

地址：

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

作者：Brian Curry