เรียบง่าย

l10n-placeholder1 รักษา == 1, 2, 1) ทดสอบ\\(treat <- ifelse(test\\)รักษา == 1, 2, 1) รถไฟ\\(y <- ifelse(train\\)y == 1, 2, 1) ทดสอบ\\(y <- ifelse(test\\)y == 1, 2, 1) รถไฟ\\(ts = NULL test\\)ts = NULL ``` พารามิเตอร์: - `n` = จำนวนตัวอย่าง - `p` = จำนวนตัวทำนาย - `ro` = ความแปรปรวนร่วมระหว่างตัวทำนาย - `sigma` = ตัวคูณของข้อผิดพลาด คำศัพท์ - `beta.den` = เบต้าถูก mutiplied โดย 1/beta.den ผู้สร้าง: Leo Guelman leo.guelman@gmail.com หากต้องการใช้ชุดข้อมูลนี้: ```python import tensorflow_datasets as tfds ds = tfds.load('simpte' , split='train') สำหรับตัวอย่างใน ds.take(4): พิมพ์(เช่น) ``` ดู [คู่มือ](https://www.tensorflow.org/datasets/overview) สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ [tensorflow_datasets ](https://www.tensorflow.org/datasets) " />
  • คำอธิบาย :

ชื่อเต็ม: การจำลองสำหรับผลการรักษาเฉพาะบุคคล

สร้างด้วยแพ็คเกจ R's Uplift: https://rdrr.io/cran/uplift/man/sim_pte.html

สามารถดาวน์โหลดแพ็คเกจได้ที่นี่: https://cran.r-project.org/src/contrib/Archive/uplift/

ชุดข้อมูลที่สร้างขึ้นใน R เวอร์ชัน 4.1.2 ด้วยรหัสต่อไปนี้:

  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

พารามิเตอร์:

  • n = จำนวนตัวอย่าง
  • p = จำนวนตัวทำนาย
  • ro = ความแปรปรวนร่วมระหว่างตัวทำนาย
  • sigma = mutiplier ของเงื่อนไขข้อผิดพลาด
  • beta.den = เบต้าถูกคูณด้วย 1/beta.den

ผู้สร้าง: ลีโอ เกลแมน leo.guelman@gmail.com

  • หน้าแรก : https://rdrr.io/cran/uplift/man/sim_pte.html

  • รหัสแหล่งที่มา : tfds.datasets.simpte.Builder

  • รุ่น :

    • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

  • ขนาดการดาวน์โหลด : Unknown size

  • ขนาดชุดข้อมูล : 1.04 MiB

  • คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
    โปรดดาวน์โหลดข้อมูลการฝึกอบรม: sim_pte_train.csv และข้อมูลการทดสอบ: sim_pte_test.csv ไปยัง ~/tensorflow_datasets/downloads/manual/

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'test' 2,000
'train' 1,000
  • โครงสร้างคุณลักษณะ :
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,
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง Dประเภท คำอธิบาย
คุณสมบัติDict
X1 เทนเซอร์ ลอย32
X10 เทนเซอร์ ลอย32
เอ็กซ์11 เทนเซอร์ ลอย32
X12 เทนเซอร์ ลอย32
X13 เทนเซอร์ ลอย32
X14 เทนเซอร์ ลอย32
X15 เทนเซอร์ ลอย32
X16 เทนเซอร์ ลอย32
X17 เทนเซอร์ ลอย32
เอ็กซ์18 เทนเซอร์ ลอย32
เอ็กซ์19 เทนเซอร์ ลอย32
เอ็กซ์ทู เทนเซอร์ ลอย32
เอ็กซ์20 เทนเซอร์ ลอย32
X3 เทนเซอร์ ลอย32
X4 เทนเซอร์ ลอย32
X5 เทนเซอร์ ลอย32
X6 เทนเซอร์ ลอย32
X7 เทนเซอร์ ลอย32
X8 เทนเซอร์ ลอย32
X9 เทนเซอร์ ลอย32
รักษา เทนเซอร์ int32
ย เทนเซอร์ int32

  • คีย์ควบคุม (ดู as_supervised doc ): ({'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')

  • รูปภาพ ( tfds.show_examples ): ไม่รองรับ

  • ตัวอย่าง ( tfds.as_dataframe ):

  • การอ้างอิง :
@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}
}