EconML

收录理由

EconML 试图回答一个大多数 A/B 测试工具刻意回避的问题：一项干预对不同人的效果究竟有多大差异，而不仅仅是给出一个平均效应。它源自微软研究院的 ALICE 项目，将计量经济学与机器学习方法（如双重机器学习）结合起来，这类方法可以直接处理观测数据，即使没有严格的随机实验也能得到具备因果解释的估计结果。使用这套工具时，你可以灵活替换不同的机器学习模型来处理混杂因素和效应部分，而统一的 API 保持不变，最终得到的模型依然保留因果含义，并且常常能给出有效的置信区间。对于正在做数据驱动的个性化推荐、政策评估的团队，以及不满足于只看总体 A/B 数字的研究者来说，这是一个相当实用的选择。