простой

l10n-placeholder1 Treatment == 1, 2, 1) test\\(treat <- ifelse(test\\)Treatment == 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 Параметры: n = количество выборок p = количество предикторов ro = ковариация между предикторами sigma = множитель члена ошибки beta.den = бета умножается на 1/beta.den Creator : Leo Guelman leo.guelman@gmail.com Чтобы использовать этот набор данных: ```python import tensorflow_datasets as tfds ds = tfds.load('simpte', split='train') for ex in ds.take(4): print (ex) ``` См. [руководство] (https://www.tensorflow.org/datasets/overview) для получения дополнительной информации о [tensorflow_datasets] (https://www.tensorflow.org/datasets). " />
  • Описание :

Полное название: Симуляции для персонализированных лечебных эффектов, созданные с помощью пакета R's Uplift: https://rdrr.io/cran/uplift/man/sim_pte.html Пакет можно скачать здесь: https://cran.r-project.org /src/contrib/Архив/uplift/

Набор данных создан в версии R 4.1.2 со следующим кодом:

библиотека (поднятие)

сет.сид(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), бета.den = 4)

обучать\(treat <- ifelse(train\)лечить == 1, 2, 1) тестировать\(treat <- ifelse(test\)лечить == 1, 2, 1)

train\(y <- ifelse(train\)y == 1, 2, 1) test\(y <- ifelse(test\)y == 1, 2, 1)

поезд\(ts = NULL test\)ts = NULL

Параметры: n = количество выборок p = количество предикторов ro = ковариация между предикторами sigma = множитель члена ошибки beta.den = бета умножается на 1/beta.den

Создатель: Лео Гельман leo.guelman@gmail.com

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

  • Исходный код : tfds.recommendation.simPTE.Simpte

  • Версии :

    • 1.0.0 (по умолчанию): Первоначальный выпуск.
  • Размер загрузки : Unknown size

  • Размер набора данных : 1.04 MiB

  • Инструкции по ручной загрузке : этот набор данных требует, чтобы вы загружали исходные данные вручную в download_config.manual_dir (по умолчанию ~/tensorflow_datasets/downloads/manual/ ):
    Пожалуйста, загрузите тренировочные данные: sim_pte_train.csv и тестовые данные: sim_pte_test.csv в ~/tensorflow_datasets/downloads/manual/.

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'test' 2000
'train' 1000
  • Структура функции :
FeaturesDict({
    'X1': tf.float32,
    'X10': tf.float32,
    'X11': tf.float32,
    'X12': tf.float32,
    'X13': tf.float32,
    'X14': tf.float32,
    'X15': tf.float32,
    'X16': tf.float32,
    'X17': tf.float32,
    'X18': tf.float32,
    'X19': tf.float32,
    'X2': tf.float32,
    'X20': tf.float32,
    'X3': tf.float32,
    'X4': tf.float32,
    'X5': tf.float32,
    'X6': tf.float32,
    'X7': tf.float32,
    'X8': tf.float32,
    'X9': tf.float32,
    'treat': tf.int32,
    'y': tf.int32,
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
Х1 Тензор tf.float32
Х10 Тензор tf.float32
Х11 Тензор tf.float32
Х12 Тензор tf.float32
Х13 Тензор tf.float32
Х14 Тензор tf.float32
Х15 Тензор tf.float32
Х16 Тензор tf.float32
Х17 Тензор tf.float32
Х18 Тензор tf.float32
Х19 Тензор tf.float32
Х2 Тензор tf.float32
Х20 Тензор tf.float32
Х3 Тензор tf.float32
Х4 Тензор tf.float32
Х5 Тензор tf.float32
Х6 Тензор tf.float32
Х7 Тензор tf.float32
Х8 Тензор tf.float32
Х9 Тензор tf.float32
удовольствие Тензор tf.int32
у Тензор tf.int32
  • Контролируемые ключи (см. 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')

  • Рисунок ( tfds.show_examples ): не поддерживается.

  • Примеры ( tfds.as_dataframe ):

  • Цитата :
@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}
}