可能的原因找到创造性的方法来识别原因
likelycause2的Python项目详细描述
可能是因为2
Likelycause是一个实用程序包，它使用多个函数将原因归因于变化。使用算术分解和贝叶斯技术的组合，这是为了方便为私营部门工作的数据分析员的工作流程而构建的。在
###软件包包含的内容 这个包的所有功能都是在likelycause2模块下构建的，因此所有函数都应该使用“likelycause2”调用。目前，我们有1个辅助函数和1个因果函数。在
####辅助功能 -likelycause2.last？period：last period函数是一个在数据帧中构建变量的实用函数
因果函数 -likelycaus2.bayes_suspects：bayes_suspects函数计算事件和每个可疑原因或这些原因的组合的条件概率。它还建议通过调整原因的交叉点，对每个单独的原因进行归因
可能是因为2.最后一个时期
描述： last period函数是在数据帧中构建变量的实用函数。 变化定义在时刻t和过去时刻之间。在
参数：
- 测向(pd数据帧)：数据帧
- unique_id（字符串）：每行的唯一标识符。必须是唯一的，并且只能是1列
- interval（string）：计算变量的间隔是什么。接受天、周和小时
- periods（int）：要回顾该间隔的时段数。例如，对于最后的变体，参数周期应该是1
- 日期列（字符串）：日期框中的日期列。必须是日期时间。要转换，请使用熊猫。到目前为止功能
- to_past（list）：要计算其变化的列的列表
返回： 返回使用名为v的附加列+to\u pass参数中列的名称输入的数据帧。这些列表示该变量在时刻t和t周期之间的变化。该变化计算为（时刻t中的变量）/（时刻t周期内的变量）。在
很可能是因为2.bayes怀疑
描述： bayes_suspects函数计算事件和每个可疑原因或这些原因的组合的条件概率。 它还建议通过调整原因的交叉点，对每个单独的原因进行归因
参数：
- 测向(pd数据帧)：数据帧
- event（string）：包含要解释的事件的列的名称
- suspects（list）：列出包含我们要解释的潜在原因的列的名称
- point（dictionary）：包含我们要计算概率的点的字典。一定是原因和嫌疑犯个人观点的结合
返回： 返回包含所有可能的概率组合的数据帧，以及条件概率：
- 名称：条件组合的名称。如果有一个事件，则表示P（事件| a）。如果有2个事件，则表示P（事件1和事件2 | a）
- 问题：P（原因事件）
- 问题a:P（原因）
- 问题b:P（事件）
- pbayes:配置概率
- pbayes_归因：如果我们想归因于个别原因，建议的概率归因
- 项目
标签：
欢迎加入QQ群-->： 979659372
