đơn giản

l10n-placeholder1 Treat == 1, 2, 1) test \\(treat <- ifelse(test\\)== 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 Các thông số: n = số lượng mẫu p = số lượng bộ dự đoán ro = hiệp phương sai giữa các bộ dự đoán sigma = mutiplier của thuật ngữ lỗi beta.den = beta được 1 / beta.den Creator áp dụng : Leo Guelman leo.guelman@gmail.com Để sử dụng tập dữ liệu này: `` `` python import tensorflow_datasets as tfds ds = tfds.load ('simpte', split = 'train') for ex in ds.take (4): print (ví dụ: `` Xem [hướng dẫn] (https://www.tensorflow.org/datasets/overview) để biết thêm thông tin về [tensorflow_datasets] (https://www.tensorflow.org/datasets). "/>
  • Mô tả :

Tên đầy đủ: Mô phỏng cho các hiệu ứng điều trị được cá nhân hóa được tạo bằng gói R's Uplift: https://rdrr.io/cran/uplift/man/sim_pte.html Có thể tải xuống gói tại đây: https://cran.r-project.org / src / Contrib / Archive / uplift /

Tập dữ liệu được tạo trong R phiên bản 4.1.2 với mã sau:

thư viện (nâng cao)

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)

huấn luyện\(treat <- ifelse(train\)xử lý == 1, 2, 1) thử nghiệm\(treat <- ifelse(test\)xử lý == 1, 2, 1)

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

huấn luyện\(ts = NULL test\)ts = NULL

Tham số: n = số mẫu p = số lượng yếu tố dự đoán ro = hiệp phương sai giữa các yếu tố dự báo sigma = mutiplier của thuật ngữ lỗi beta.den = beta được tính bằng 1 / beta.den

Người tạo: Leo Guelman leo.guelman@gmail.com

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

  • Mã nguồn : tfds.recommendation.simPTE.Simpte

  • Các phiên bản :

    • 1.0.0 (mặc định): Bản phát hành ban đầu.
  • Kích thước tải xuống : Unknown size

  • Kích thước tập dữ liệu : 1.04 MiB

  • Hướng dẫn tải xuống thủ công: Tập dữ liệu này yêu cầu bạn tải xuống dữ liệu nguồn theo cách thủ công vào download_config.manual_dir (mặc định là ~/tensorflow_datasets/downloads/manual/ ):
    Vui lòng tải xuống dữ liệu đào tạo: sim_pte_train.csv và dữ liệu kiểm tra: sim_pte_test.csv tới ~ / tensorflow_datasets / Download / manual /.

  • Tự động lưu vào bộ nhớ đệm ( tài liệu ): Có

  • Tách :

Tách ra Các ví dụ
'test' 2.000
'train' 1.000
  • Cấu trúc tính năng :
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,
})
  • Tài liệu tính năng :
Tính năng Lớp Hình dạng Loại Sự mô tả
Các tính năng
X1 Tensor tf.float32
X10 Tensor tf.float32
X11 Tensor tf.float32
X12 Tensor tf.float32
X13 Tensor tf.float32
X14 Tensor tf.float32
X15 Tensor tf.float32
X16 Tensor tf.float32
X17 Tensor tf.float32
X18 Tensor tf.float32
X19 Tensor tf.float32
X2 Tensor tf.float32
X20 Tensor tf.float32
X3 Tensor tf.float32
X4 Tensor tf.float32
X5 Tensor tf.float32
X6 Tensor tf.float32
X7 Tensor tf.float32
X8 Tensor tf.float32
X9 Tensor tf.float32
điều trị Tensor tf.int32
y Tensor tf.int32
  • Các khóa được giám sát (Xem 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')

  • Hình ( tfds.show_examples ): Không được hỗ trợ.

  • Ví dụ ( tfds.as_dataframe ):

  • Trích dẫn :
@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}
}