#因果发现

该项目提供了全面的因果学习和评估工具链。它包含gCastle工具箱、真实世界数据集、竞赛基线和最新研究成果。该项目涵盖基于梯度的因果发现算法、CausalVAE等实现，为研究人员和开发者提供了可信AI领域的学习和实践资源。

Causality Lab是一个开源的因果发现和推理算法库，包含多种先进算法如PC、RAI、FCI和ICD等。该项目提供了模拟数据生成、图形模型处理和性能评估工具，支持开发和测试新的因果结构学习算法。最新的CLEANN算法还可为预训练Transformer模型的输出生成因果解释，为因果推理研究提供了全面支持。

causal-learn是一个开源的Python因果发现库，实现了多种经典和前沿的因果发现算法。它提供了基于约束、基于评分、基于函数因果模型等方法，以及独立性测试、评分函数等实用工具。该库文档完善，示例丰富，适用于研究人员和数据科学家进行因果关系分析和算法开发。causal-learn是Tetrad项目的Python版本和扩展，由CMU-CLeaR小组积极开发和维护，并提供了丰富的基准数据集供社区使用。