识别因果模型的影响时的错误答案

【问题标题】：Error when Identifying Effects of Causal Model识别因果模型的影响时的错误
【发布时间】：2022-01-14 22:57:23
【问题描述】：

我正在尝试使用 CausalModel 和 Econml 库来确定变量对以下数据集中显示的不同场景的影响：

首先，我导入以下库：

import pandas as pd
import econml
import dowhy
from dowhy import CausalModel

然后我使用 pandas read_csv 导入数据集并将其命名为“df”。

之后，我将因果模型定义如下：

model = CausalModel(data=df.fillna(0),
                    treatment='ai_host.disk.write.bytes',
                    outcome='scenario',
                    common_causes='col'
                    )

model.view_model()

以下是输出

然后我生成估算值：

identified_estimand= model.identify_effect(proceed_when_unidentifiable=True)
print(identified_estimand)

输出如下：

Estimand type: nonparametric-ate

### Estimand : 1
Estimand name: backdoor
Estimand expression:
             d                                        
───────────────────────────(Expectation(scenario|col))
d[ai_host.disk.write.bytes]                           
Estimand assumption 1, Unconfoundedness: If U→{ai_host.disk.write.bytes} and U→scenario then P(scenario|ai_host.disk.write.bytes,col,U) = P(scenario|ai_host.disk.write.bytes,col)

### Estimand : 2
Estimand name: iv
No such variable found!

### Estimand : 3
Estimand name: frontdoor
No such variable found!

在此之后，我终于尝试计算因果效应：

identified_estimand_experiment = model.identify_effect(proceed_when_unidentifiable=True)

from sklearn.ensemble import RandomForestRegressor
metalearner_estimate = model.estimate_effect(identified_estimand_experiment,
method_name="backdoor.econml.metalearners.TLearner",
confidence_intervals=False,
method_params={
     "init_params":{'models': RandomForestRegressor()},
     "fit_params":{}
              })
print(metalearner_estimate)

但我每次都会收到以下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-15-6f34377dbe77> in <module>()
      8 method_params={
      9      "init_params":{'models': RandomForestRegressor()},
---> 10      "fit_params":{}
     11               })
     12 print(metalearner_estimate)

7 frames
/usr/local/lib/python3.7/dist-packages/sklearn/preprocessing/_encoders.py in _transform(self, X, handle_unknown, force_all_finite, warn_on_unknown)
    140                         " during transform".format(diff, i)
    141                     )
--> 142                     raise ValueError(msg)
    143                 else:
    144                     if warn_on_unknown:

ValueError: Found unknown categories [0] in column 0 during transform

请有人帮助我理解和纠正这个错误。另请注意，要使用 Econml，您需要 Python 3.8 及更低版本。

【问题讨论】：

标签： python pandas causality causalml

【解决方案1】：

我也遇到了这个问题，但是当我使用线性回归模型而不是随机森林回归元学习器时，我没有遇到任何问题。

这需要替换

identified_estimand_experiment = model.identify_effect(proceed_when_unidentifiable=True)

from sklearn.ensemble import RandomForestRegressor
metalearner_estimate = 
model.estimate_effect(identified_estimand_experiment,
method_name="backdoor.econml.metalearners.TLearner",
confidence_intervals=False,
method_params={
               "init_params":{'models': RandomForestRegressor()},
               "fit_params":{}
               })
print(metalearner_estimate)

与

identified_estimand_experiment = model.identify_effect(proceed_when_unidentifiable=True)

linreg_estimate = model.estimate_effect(identified_estimand_experiment,
                            method_name="backdoor.linear_regression",
                            confidence_intervals=False)
print(linreg_estimate)

其他方法如使用

method_name = "backdoor.propensity_score_stratification"

和

method_name = "backdoor.propensity_score_matching"

也可能感兴趣。

【讨论】：