【文件属性】：
文件名称：SAM:结构不可知模型的代码（https
文件大小：7.67MB
文件格式：ZIP
更新时间：2021-05-27 11:37:24
graph-algorithms causality causal-models Python
结构不可知模型：因果图的对抗学习
此版本是SAM的新版本，使用结构门和功能门
注意：此代码是SAM V2的代码，对于最新的（V3），请暂时检查CDT包（ ）
PyTorch中的代码。 链接到本文： :
SAM的（旧）代码可在上找到。本文的第一版可在上找到。
为了使用SAM：
使用pip install -r requirements.txt安装软件包pip install -r requirements.txt 。 对于PyTorch，请访问： ://pytorch.org
使用以下命令安装软件包： python setup.py develop --user
通过包括所需的选项来执行SAM：
import pandas as pd
from sam import SAM
sam = SAM ()
data = pd . read_csv ( "test/G5_v1_
【文件预览】：
SAM-master
----.gitmodules(103B)
----cyto()
--------cyto_full_data.csv(418KB)
--------cyto_full_target.csv(267B)
--------cyto_full_log()
----sam()
--------__init__.py(0B)
--------sam.py(15KB)
--------utils()
----All_scores_20.ods(43KB)
----train_graphs()
--------artificial()
--------generate_graphs.py(361B)
--------syntren()
----All_scores_100.ods(42KB)
----test_sam.py(129B)
----syntren()
--------100_probaComplexInter1()
--------20_probaComplexInter1()
----CausalGEN()
--------results()
--------ratio_biotic_clusterGenie3_target.csv(17B)
--------ratio_biotic_clusterGenie3_data.csv(811KB)
----setup.py(615B)
----LICENSE.md(11KB)
----.gitignore(658B)
----README.md(2KB)
----datasets()