सिम्पटे

l10n-प्लेसहोल्डर1 ट्रीट == 1, 2, 1) टेस्ट\\(treat <- ifelse(test\\)2 ट्रीट == 1, 2, 1) ट्रेन\\(y <- ifelse(train\\)3 y == 1, 2, 1) टेस्ट\\(y <- ifelse(test\\)4 y == 1, 2, 1) ट्रेन \\(ts = NULL test\\)5 ts = NULL ``` पैरामीटर: - `n` = नमूनों की संख्या - `p` = भविष्यवक्ताओं की संख्या - `ro` = भविष्यवक्ताओं के बीच सहप्रसरण - `सिग्मा` = त्रुटि का गुणक शब्द - `बीटा.डेन` = बीटा 1/बीटा.डेन द्वारा गुणा किया गया है निर्माता: लियो गुएलमैन leo.guelman@gmail.com इस डेटासेट का उपयोग करने के लिए: ```python आयात Tensorflow_datasets as tfds ds = tfds.load('simpte' , split='train') for ex in ds.take(4): print(ex) ``` देखें [the guide](https://www.tensorflow.org/datasets/overview) [tensorflow_datasets पर अधिक जानकारी के लिए] ](https://www.tensorflow.org/datasets)। " />
  • विवरण :

पूरा नाम: निजीकृत उपचार प्रभाव के लिए सिमुलेशन

R के अपलिफ्ट पैकेज के साथ उत्पन्न: https://rdrr.io/cran/uplift/man/sim_pte.html

पैकेज यहां डाउनलोड किया जा सकता है: https://cran.r-project.org/src/contrib/Archive/uplift/

निम्न कोड के साथ R संस्करण 4.1.2 में उत्पन्न डेटासेट:

  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

पैरामीटर्स:

  • n = नमूनों की संख्या
  • p = भविष्यवक्ताओं की संख्या
  • ro = भविष्यवक्ताओं के बीच सहप्रसरण
  • sigma = त्रुटि शब्द का गुणक
  • beta.den = बीटा को 1/बीटा.डेन से गुणा किया जाता है

निर्माता: लियो गुएलमैन leo.guelman@gmail.com

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

  • स्रोत कोड : tfds.datasets.simpte.Builder

  • संस्करण :

    • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।
  • डाउनलोड आकार : Unknown size

  • डेटासेट का आकार : 1.04 MiB

  • मैन्युअल डाउनलोड निर्देश : इस डेटासेट के लिए आपको स्रोत डेटा को मैन्युअल रूप से download_config.manual_dir (डिफ़ॉल्ट रूप से ~/tensorflow_datasets/downloads/manual/ ) में डाउनलोड करना होगा:
    कृपया प्रशिक्षण डेटा डाउनलोड करें: sim_pte_train.csv और परीक्षण डेटा: sim_pte_test.csv to ~/tensorflow_datasets/downloads/manual/.

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'test' 2,000
'train' 1,000
  • फ़ीचर संरचना :
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,
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
X1 टेन्सर फ्लोट32
X10 टेन्सर फ्लोट32
X11 टेन्सर फ्लोट32
X 12 टेन्सर फ्लोट32
X13 टेन्सर फ्लोट32
X14 टेन्सर फ्लोट32
X15 टेन्सर फ्लोट32
X 16 टेन्सर फ्लोट32
X17 टेन्सर फ्लोट32
एक्स 18 टेन्सर फ्लोट32
X19 टेन्सर फ्लोट32
X2 टेन्सर फ्लोट32
X20 टेन्सर फ्लोट32
X3 टेन्सर फ्लोट32
एक्स 4 टेन्सर फ्लोट32
X5 टेन्सर फ्लोट32
X6 टेन्सर फ्लोट32
X7 टेन्सर फ्लोट32
X8 टेन्सर फ्लोट32
एक्स 9 टेन्सर फ्लोट32
व्यवहार करना टेन्सर int32
वाई टेन्सर int32
  • पर्यवेक्षित कुंजी ( as_supervised doc देखें): ({'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')

  • चित्र ( tfds.show_examples ): समर्थित नहीं है।

  • उदाहरण ( tfds.as_dataframe ):

  • उद्धरण :
@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}
}