example-causal-datasets
统一格式的因果数据集，带真实因果效应，开箱即用做基准测试
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-21 · 当前星标 ★ 119
核心亮点
- 提供 IHDP、ACIC 等经典因果数据集的统一格式化版本，省去繁琐预处理
- 每个数据集包含 ground truth 因果效应，可直接评估估计方法的精度
- 配套 Jupyter Notebook 教程，演示数据加载与基准测试流程
不足之处
- 数据集数量有限，覆盖场景不够广泛
- 项目更新频率较低，社区活跃度一般
适用场景
- 因果效应估计算法（如 T-learner、X-learner）的基准测试
- 因果机器学习课程教学与实验演示
- 异质处理效应（HTE）研究中的方法对比
替代项目
causalml、EconML、DoWhy
同类项目推荐
RSIBench-Data
开源
一键生成代码评测数据并在沙箱里跑分
Synthetic data generation, post-training, and E2B benchmark evaluation infrastructur···
GraphGen
开源
用知识图谱自动造微调数据，省人工标注
GraphGen: Enhancing Supervised Fine-Tuning for LLMs with Knowledge-Driven Synthetic ···
jsut-lab
开源
给日语语音合成数据集补上精细标签，直接用于 TTS 训练
HTS-style full-context labels for JSUT v1.1
awesome-chatgpt-dataset
开源
找训练数据？这个列表帮你一键搞定。
Unlock the Power of LLM: Explore These Datasets to Train Your Own ChatGPT!
sdg_hub
开源
用流水线批量造 LLM 训练数据，省去手写脚本
Synthetic Data Generation Toolkit for LLMs
AutoMathText
开源
自动筛选高质量数学语料，提升大模型数学能力
[ACL 2025 Findings] Autonomous Data Selection with Zero-shot Generative Classifiers ···
voice-dataset-creation
开源
帮原住民社区自主打造语音数据集，守护语言并喂给AI
Community-controlled voice data collection for language preservation and AI developm···
mtg-jamendo-dataset
开源
拿来即用的音乐打标签数据集与基线
Metadata, scripts and baselines for the MTG-Jamendo dataset
Exclusively-Dark-Image-Dataset
开源
低光视觉研究必备：1.2万张暗光图带框标注
Exclusively Dark (ExDARK) dataset which to the best of our knowledge, is the largest···