종속2 NetworkX로 그래프 쿼리하기 NetworkX로 그래프 쿼리하기인과 그래프모델에서는 종속성의 흐름을 파악하는 것이 매우 중요하다. 이를 식별하는 것은 인과성의 파악의 매우 중요한 것으로, 많이 연습하여 익숙해질 필요가 있다. 그런데, 이러한 종속성 흐름을 파이썬 라이브러리인 NetworkX로 쉽게 쿼리 할 수 있다. 그 방법에 대해 알아보도록 하자. NetworkX 소개NetworkX는 복잡한 네트워크의 구조, 역학 및 기능을 생성하고 조작하며 연구하기 위한 Python 패키지이다. 이 소프트웨어는 그래프(Graph), 유향 그래프(Digraph) 및 다중 그래프(Multigraph)를 위한 데이터 구조를 제공하며, 다양한 표준 그래프 알고리즘, 네트워크 구조 및 분석 측정 기능을 갖추고 있다. 또한 NetworkX는 고전 그래프, .. 인과추론 2024. 6. 3. 그래프 인과모델 그래프 인과모델구조적 인과모델(Structural Causal Model, SCM)은 인과추론의 통일된 언어 표현이다. 이 SCM은 그래프와 인과 방정식(causal equation)으로 구성된다. 그중 그래프 모델은 인과추론 문제를 구조화하고 식별 가정을 시각화할 수 있는 기법이다. 이 그래프 모델에 대해서 알아보도록 하자. 인과관계 시각화처치가 무작위 배정되는 상황, 즉 처치가 잠재적 결과와 독립적이며 인과관계와 상관관계가 교환가능한 상황을 생각해 보자. $$E[Y_1-Y-0] = E[Y|T=1]-E[Y|T=0]$$이러한 정보는 위 수식으로 나타낼 수도 있지만 그래프로 시각화할 수도 있다. 해당 과정에서 처치에는 랜덤화 노드를 추가하여 무작위 배정을 나타낼 수 있으며, 관측되지 않은 변수 또한 그래프.. 인과추론 2024. 5. 30. 이전 1 다음