- توضیحات :
نام کامل: شبیه سازی برای اثرات درمانی شخصی
تولید شده با بسته R's Uplift: https://rdrr.io/cran/uplift/man/sim_pte.html
بسته را می توان از اینجا دانلود کرد: https://cran.r-project.org/src/contrib/Archive/uplift/
مجموعه داده تولید شده در R نسخه 4.1.2 با کد زیر:
library(uplift)
set.seed(123)
train <- sim_pte(n = 1000, p = 20, rho = 0, sigma = sqrt(2), beta.den = 4)
test <- sim_pte(n = 2000, p = 20, rho = 0, sigma = sqrt(2), beta.den = 4)
train$treat <- ifelse(train$treat == 1, 2, 1)
test$treat <- ifelse(test$treat == 1, 2, 1)
train$y <- ifelse(train$y == 1, 2, 1)
test$y <- ifelse(test$y == 1, 2, 1)
train$ts = NULL
test$ts = NULL
مولفه های:
-
n
= تعداد نمونه -
p
= تعداد پیش بینی کننده ها -
ro
= کوواریانس بین پیش بینی کننده ها -
sigma
= تکثیر کننده عبارت خطا -
beta.den
= beta در 1/beta.den ضرب می شود
سازنده: Leo Guelman leo.guelman@gmail.com
صفحه اصلی : https://rdrr.io/cran/uplift/man/sim_pte.html
کد منبع :
tfds.datasets.simpte.Builder
نسخه ها :
-
1.0.0
(پیش فرض): انتشار اولیه.
-
اندازه دانلود :
Unknown size
حجم مجموعه داده :
1.04 MiB
دستورالعملهای دانلود دستی : این مجموعه داده از شما میخواهد که دادههای منبع را به صورت دستی در
download_config.manual_dir
(پیشفرض~/tensorflow_datasets/downloads/manual/
):
لطفا داده های آموزشی: sim_pte_train.csv و داده های تست: sim_pte_test.csv را به ~/tensorflow_datasets/downloads/manual/ دانلود کنید.ذخیره خودکار ( اسناد ): بله
تقسیم ها :
شکاف | مثال ها |
---|---|
'test' | 2000 |
'train' | 1000 |
- ساختار ویژگی :
FeaturesDict({
'X1': float32,
'X10': float32,
'X11': float32,
'X12': float32,
'X13': float32,
'X14': float32,
'X15': float32,
'X16': float32,
'X17': float32,
'X18': float32,
'X19': float32,
'X2': float32,
'X20': float32,
'X3': float32,
'X4': float32,
'X5': float32,
'X6': float32,
'X7': float32,
'X8': float32,
'X9': float32,
'treat': int32,
'y': int32,
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
X1 | تانسور | float32 | ||
X10 | تانسور | float32 | ||
X11 | تانسور | float32 | ||
X12 | تانسور | float32 | ||
X13 | تانسور | float32 | ||
X14 | تانسور | float32 | ||
X15 | تانسور | float32 | ||
X16 | تانسور | float32 | ||
X17 | تانسور | float32 | ||
X18 | تانسور | float32 | ||
X19 | تانسور | float32 | ||
X2 | تانسور | float32 | ||
X20 | تانسور | float32 | ||
X3 | تانسور | float32 | ||
X4 | تانسور | float32 | ||
X5 | تانسور | float32 | ||
X6 | تانسور | float32 | ||
X7 | تانسور | float32 | ||
X8 | تانسور | float32 | ||
X9 | تانسور | float32 | ||
درمان شود | تانسور | int32 | ||
y | تانسور | int32 |
کلیدهای نظارت شده (به
as_supervised
نظارت شده مراجعه کنید):({'X1': 'X1', 'X10': 'X10', 'X11': 'X11', 'X12': 'X12', 'X13': 'X13', 'X14': 'X14', 'X15': 'X15', 'X16': 'X16', 'X17': 'X17', 'X18': 'X18', 'X19': 'X19', 'X2': 'X2', 'X20': 'X20', 'X3': 'X3', 'X4': 'X4', 'X5': 'X5', 'X6': 'X6', 'X7': 'X7', 'X8': 'X8', 'X9': 'X9', 'treat': 'treat'}, 'y')
شکل ( tfds.show_examples ): پشتیبانی نمی شود.
مثالها ( tfds.as_dataframe ):
- نقل قول :
@misc{https://doi.org/10.48550/arxiv.1212.2995,
doi = {10.48550/ARXIV.1212.2995},
url = {https://arxiv.org/abs/1212.2995},
author = {Tian, Lu and Alizadeh, Ash and Gentles, Andrew and Tibshirani, Robert},
keywords = {Methodology (stat.ME), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {A Simple Method for Detecting Interactions between a Treatment and a Large Number of Covariates},
publisher = {arXiv},
year = {2012},
copyright = {arXiv.org perpetual, non-exclusive license}
}