因为工作原因，需要进行因果推断的分析，在这里进行一个DoWhy工具的简单入门。
分析入口：https://github.com/py-why/dowhy/blob/main/docs/source/example_notebooks/dowhy_example_effect_of_memberrewards_program.ipynb
先说一下个人总结的DoWhy建模步骤：
应用场景
想要知道某一些措举中（如加入某些政策、投放广告）前后的影响（平均效应，(Average Treatment Effect on the Treated,ATT)）分析在这个环境下有多大的影响？
S1 问题场景的建立
首先要对问题的场景进行详细的分析，明确研究的问题影响主要有哪些影响因素？明确目标策略研究变量（就是那个你想要知道投放了以后差别的特征Treatment）
加入了以后有什么影响？具体是对哪一项的影响？
S2 数据准备
根据分析的问题场景准备相应的数据，包括但不限于可用的用于标志符、混淆变量W、自变量X、研究的影响变量(影响基于X到Y的那个目标Treatment)变量、Y（目标因变量）
基于准备的数据进行数据集的构建
S3 结合现实场景进行分析
1、根据已有的数据集与基于业务经验推断的关系，画出因果图。
2、结合因果图的逻辑整合数据，并放入DoWhy的模型当中。
S4 模型分析
1、因果效应识别（需要假设没有观测到的混淆因子是作用不大的）
2、因果效应估计（基于1 识别出有效的因果图逻辑，进行估计）
3、反驳检验：使用随机变量对干涉变化量进行替代，判断其估计的结果是否为0！（理论而言应该是为0的）
标签：分析,场景,DoWhy,样例,建模,Treatment,推断,因果 From： https://www.cnblogs.com/AKsnoopy/p/16979656.html