VIP20
本课程属于：007-需求预测模型 供应链数字化与智能采购系统 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

因果特征提取在层级预测中的环境配置与性能调优

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
因果特征提取与层级预测的核心概念 · 课程目标与学习路径
课程导论因果特征提取
02
环境总览
Python版本选择 · 虚拟环境搭建（conda/venv） · 依赖管理基础
环境总览Python
03
核心库安装
NumPy · Pandas · Scikit-learn的版本兼容性…
核心库安装NumPy
04
因果推断库
DoWhy · EconML · CausalNex的安装与基础配置
因果推断库DoWhy
05
深度学习框架
PyTorch/TensorFlow…
深度学习框架PyTorch/Tens…
06
层级模型库
LightGBM · XGBoost · CatBoost的安装与层级树参数初…
层级模型库LightGBM
07
可视化工具
Matplotlib · Seaborn · Graphviz的安装与因果图绘制环…
可视化工具Matplotlib
08
IDE与调试
VS Code/Jupyter La… · 远程开发环境搭建
IDE调试
09
Docker容器化
Dockerfile编写 · 因果特征提取镜像构建与层级预测服务部…
Docker容器化
10
数据预处理
缺失值处理 · 标准化 · 层级标签编码与因果结构假设
数据预处理缺失值处理
11
特征工程基础
数值特征 · 类别特征 · 时序特征的因果导向提取
特征工程基础数值特征
12
因果图构建
DAG（有向无环图）的绘制 · 节点与边定义 · 结构学习库（PC算法）
因果图构建DAG
13
因果效应估计
ATE · ATT · CATE的概念与DoWhy实现
因果效应估计ATE
14
特征选择方法
基于因果关系的特征筛选（Back-d…
特征选择方法Back-d
15
层级预测模型
分层线性模型 · 混合效应模型与因果特征融合
层级预测模型分层线性模型
16
树模型调优
LightGBM层级参数（num_l… · max_depth · min_child_samples）…
树模型调优LightGBM
17
神经网络调优
层级注意力机制 · 因果正则化（Causal Regul…
神经网络调优层级注意力机制
18
超参数搜索
GridSearch · RandomSearch · 贝叶斯优化在层级因果模型中的应用
超参数搜索GridSearch
19
交叉验证
层级K折 · 分组交叉验证 · 时间序列因果验证策略
交叉验证层级K折
20
性能监控
训练速度 · 内存占用 · GPU利用率与因果特征重要性分析
性能监控训练速度
21
模型解释性
SHAP · LIME在因果特征与层级预测中的联合…
模型解释性SHAP
22
分布式训练
PyTorch DDP · Horovod在层级因果模型中的并行…
分布式训练PyTorch
23
模型压缩
剪枝 · 量化 · 知识蒸馏在因果特征提取中的轻量化部署
模型压缩剪枝
24
在线学习
增量因果特征更新 · 层级预测模型的在线调优（River库…
线学习增量因果特征更新
25
异常检测
因果异常分数 · 层级残差分析与性能瓶颈定位
异常检测因果异常分数
26
案例实战1
电商用户购买层级预测——因果特征提取…
案例实战1电商用户购买层级…
27
案例实战2
医疗诊断层级预测——因果图构建与神经…
案例实战2医疗诊断层级预测
28
案例实战3
工业设备故障层级预测——时序因果特征…
案例实战3工业设备故障层级…
29
性能基准测试
使用causalml-benchma…
性能基准测试causalml-ben…
30
课程总结
最佳实践清单 · 常见陷阱 · 未来方向（因果表示学习与层级强化学习…
课程总结最佳实践清单