它提供了一个标准框架，允许用户从实验或观察数据估计条件平均治疗效果(CATE)或个人治疗效果(ITE)。本质上，它估计了干预T对具有观察到的特征X的用户结果Y的因果影响，而没有对模型形式有很强的假设。 github：https://github.com/uber/causalml 其余两篇开源项目的文章： 因果推断笔记——因果图建模之微软开源的EconML（五） 因果推断笔记——因果图建