✨ 一句话亮点：将中国传统五行理论与双重机器学习（DML）深度融合，基于LightGBM+XGBoost集成学习实现稳健的ATE估计，偏差降低率达89.8%，支持银行与电商双场景，开源可复现。
传统双重机器学习（DML）在异质性数据下进行平均处理效应（ATE）估计时，面临两大核心问题：
| 问题 | 表现 |
|---|---|
| 估计误差波动大 | 不同数据切分下ATE估计结果差异显著，缺乏稳健性 |
| 可解释性弱 | DML的"黑箱"特性使其难以应用于需要可解释性的场景（如政策评估、医学决策） |
本项目受中国传统五行哲学中**"平衡致稳"**思想的启发，提出了一套系统的解决方案：
- 🌳 五行特征工程 — 将木(增长)、火(活跃)、土(稳定)、金(价值)、水(适应)映射为可计算的特征公式，量化每个样本的"状态特征"
- ⚖️ 五行平衡度 — 创新性地使用五维特征的变异系数倒数作为整体平衡度指标，作为ATE估计的调节因子
- 🤖 集成学习增强DML — 以LightGBM+XGBoost集成模型作为DML的基学习器，替代传统线性模型，显著降低估计偏差
- 🧪 五维验证体系 — 提出交叉验证、跨域验证、消融实验、噪声鲁棒性、业务逻辑分组验证五维评估框架
┌─────────────────────────────────────────────────────────────────────┐
│ 五元素因果估计 Pipeline │
└─────────────────────────────────────────────────────────────────────┘
原始数据 ──► 预处理 ──► 五行特征工程 ──► DML + 集成学习 ──► ATE估计
│
▼
┌─────────────────┐
│ 木: 交易效率 │
│ 火: 活跃比率 │
│ 土: 资源效率 │
│ 金: 匹配得分 │
│ 水: 流动稳定性 │
│ │
│ 平衡度计算 │
└─────────────────┘
┌──────────────┐
DML流程: │ Cross-Fitting│
┌──────────────────┐ │ ┌───┬───┐ │
│ Y = g(X) + ε │ ←─────── │ │KF1│KF2│ │
│ D = m(X) + η │ │ └───┴───┘ │
└────────┬─────────┘ └──────────────┘
│
▼
┌──────────────────┐
│ ATE = E[θ(X)] │ ← 残差回归: Y_res=θ·D_res+ξ
└──────────────────┘
五行平衡度调节: θ_final = θ_raw × f(balance)
💡 核心思想：当样本的五行特征之间越平衡（五维得分变异越小），DML的ATE估计越稳定、越接近真实值。这一发现与中医"阴阳平衡，百病不生"的哲学高度一致。
- Python 3.8+
- pip
# 克隆仓库
git clone https://github.com/zhounan111maker/five-elements-causal-estimation.git
cd five-elements-causal-estimation
# 安装依赖
pip install -r requirements.txt| 包 | 版本 | 用途 |
|---|---|---|
| pandas | >=1.3.0 | 数据处理 |
| numpy | >=1.21.0 | 数值计算 |
| scikit-learn | >=1.0.0 | 标准化、交叉验证、数据划分 |
| statsmodels | >=0.13.0 | OLS回归、统计推断 |
| lightgbm | >=3.3.0 | 梯度提升树基学习器 |
| xgboost | >=1.6.0 | 集成学习基学习器 |
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from src.main9test2 import FiveElementDataTheoryMaxOptimized, double_machine_learning_ensemble
# 1. 加载数据
df = pd.read_csv("data/BankChurners.csv")
print(f"数据集大小: {df.shape}")
# 2. 构造干预变量（优惠政策模拟）
np.random.seed(42)
df['treatment'] = ((df['Credit_Limit'] > 5000) &
(df['Months_Inactive_12_mon'] <= 3)).astype(int)
# 处理效应：交易金额提升15%
df['outcome'] = df['Total_Trans_Amt'] * (1 + 0.15 * df['treatment'])
# 3. 特征预处理
feature_cols = ['Customer_Age', 'Dependent_count', 'Months_on_book',
'Total_Relationship_Count', 'Months_Inactive_12_mon',
'Contacts_Count_12_mon', 'Credit_Limit', 'Total_Revolving_Bal',
'Avg_Open_To_Buy', 'Total_Amt_Chng_Q4_Q1', 'Total_Trans_Amt',
'Total_Trans_Ct', 'Total_Ct_Chng_Q4_Q1', 'Avg_Utilization_Ratio']
cat_cols = ['Income_Category', 'Card_Category']
df = pd.get_dummies(df, columns=cat_cols, drop_first=True, dtype=float)
X_raw = df[feature_cols].values
# 4. 生成五行特征
transformer = FiveElementDataTheoryMaxOptimized(balance_weight=1.5)
transformer.fit(df)
X_five = transformer.transform(df)
# 5. DML+集成学习估计ATE
d = df['treatment'].values
y = df['outcome'].values
result_ensemble = double_machine_learning_ensemble(X_five, d, y, n_splits=2)
print(f"\n=== 五行模型 ATE 估计结果 ===")
print(f"估计ATE: {result_ensemble['ate']:.4f}")
print(f"标准误差: {result_ensemble['se']:.4f}")
print(f"P值: {result_ensemble['p_value']:.6f}")
print(f"95%置信区间: [{result_ensemble['ate'] - 1.96*result_ensemble['se']:.4f}, "
f"{result_ensemble['ate'] + 1.96*result_ensemble['se']:.4f}]")python src/main9test2.py运行后将自动完成：
- 数据加载与预处理
- 五行特征工程
- 集成DML估计（LGBM+XGBoost）
- 五维验证体系（交叉验证、跨域验证、消融实验、噪声鲁棒性、业务逻辑）
- 完整实验结果输出
| 方法 | ATE估计误差 | 标准差 | 偏差降低率 |
|---|---|---|---|
| 传统DML（线性回归） | 0.124 | 0.089 | — |
| 传统DML（LightGBM） | 0.098 | 0.072 | 21.0% |
| 本项目方法（五行+集成DML） | 0.056 | 0.031 | 54.8% |
数据来源基于
main9.py的实验结果。main9test2.py的完整五维验证报告显示，五行平衡度的引入使偏差降低率进一步提升至 89.8%（银行场景）。
 五行模型结果对比 |
 交叉验证各折偏差 |
 特征重要性Top10 |
 平衡度分组ATE箱线图 |
本项目首创了针对因果估计方法的五维验证框架，从五个维度全面评估方法的可靠性：
| 验证维度 | 方法说明 | 验证标准 | 通过 |
|---|---|---|---|
| 🔄 交叉验证 | 5折分层KFold，重复评估ATE稳定性 | 五行模型偏差降低30%+且波动<50% | ✅ |
| 🏭 跨域验证 | 银行 → 电商（模拟数据）迁移测试 | 五行模型偏差降低20%+ | ✅ |
| 🧪 消融实验 | 仅保留五行平衡度特征进行DML估计 | 单一特征即能显著降低偏差 | ✅ |
| 📢 噪声鲁棒性 | 添加10%高斯噪声后重新评估 | 五行模型偏差增幅远小于基准模型 | ✅ |
| 📊 业务逻辑验证 | 按平衡度分5组，评估各组ATE精度 | 高平衡度组ATE最接近理论值且波动最小 | ✅ |
五行模型不仅在银行客户流失场景中表现优异，还能无缝迁移到电商场景：
| 场景 | 传统DML偏差 | 五行模型偏差 | 偏差降低率 |
|---|---|---|---|
| 🏦 银行客户流失 | 0.098 | 0.010 | 89.8% |
| 🛒 电商优惠券 | 0.092 | 0.007 | 92.3% |
# 电商场景模拟：一行代码切换 task_type
transformer = FiveElementDataTheoryMaxOptimized(balance_weight=1.5)
transformer.fit(df_ecommerce, task_type="ecommerce") # 支持A/B/C三种方案five-elements-causal-estimation/
│
├── src/
│ ├── main9.py # 基础版：DML + LightGBM + 五行特征
│ └── main9test2.py # 完整版：DML + LGBM/XGBoost集成 + 五维验证
│
├── data/
│ └── BankChurners.csv # Kaggle银行客户流失数据集（约10k样本）
│
├── figures/ # 实验可视化图表（8张PNG）
│ ├── 五行模型结果对比表.png
│ ├── 交叉验证各折偏差图.png
│ ├── 跨域验证效果对比图.png
│ ├── 特征重要性Top10.png
│ ├── 噪声鲁棒性对比图.png
│ ├── 业务逻辑分组ATE箱线图.png
│ ├── 五行论五维验证一图流.png
│ └── 屏幕截图 2025-11-24 233114.png
│
├── papers/
│ ├── 五元素因果估计：一种融合五行理论与双重机器学习的新范式.md
│ └── 五行论在因果估计效应领域的应用研究.docx
│
├── requirements.txt # Python依赖
├── LICENSE # MIT开源协议
└── README.md # 本文件
如果你在科研或学习中使用本项目，欢迎引用：
@misc{zhou2025fiveelements,
author = {Zhou Nan (周南)},
title = {Five Elements Causal Estimation: A Robust ATE Estimation Framework
Combining Five-Element Theory with DML and Ensemble Learning},
year = {2025},
publisher = {GitHub},
url = {https://github.com/zhounan111maker/five-elements-causal-estimation}
}本项目采用 MIT 协议，可自由使用、修改与分发。
- 作者：周南
- 邮箱：3357424029@qq.com
如果你觉得这个项目对你有帮助，或者对因果推断+中国传统哲学的结合感兴趣，欢迎点个 ⭐Star — 这是对科研型开源项目最大的认可 ❤️
"五行平衡，ATE稳健" — 用千年前的东方智慧，解决当代因果推断的难题。
Made with ❤️ by a passionate undergraduate researcher