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：
因此，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
之后我生成估计：
identified_estimand= model.identify_effect(proceed_when_unidentifiable=True)
print(identified_estimand)
使用以下输出：
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
请有人帮助我并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。