basit

l10n-yer tutucu1 tedavi == 1, 2, 1) test\\(treat <- ifelse(test\\)tedavi == 1, 2, 1) tren\\(y <- ifelse(train\\)y == 1, 2, 1) test\\(y <- ifelse(test\\)y == 1, 2, 1) train\\(ts = NULL test\\)ts = NULL ``` Parametreler: - `n` = örnek sayısı - `p` = tahmin edici sayısı - `ro` = öngörücüler arasındaki kovaryans - `sigma` = hata çarpanı terim - `beta.den` = beta, 1/beta.den ile çarpılır Oluşturan: Leo Guelman leo.guelman@gmail.com Bu veri setini kullanmak için: ``python import tensorflow_datasets as tfds ds = tfds.load('simpte') , split='train') ex için ds.take(4): print(ex) ``` [tensorflow_datasets hakkında daha fazla bilgi için [kılavuza](https://www.tensorflow.org/datasets/overview) bakın. ](https://www.tensorflow.org/datasets). " />
  • Açıklama :

Tam ad: Kişiselleştirilmiş Tedavi Etkileri için Simülasyonlar

R's Uplift paketi ile oluşturulmuştur: https://rdrr.io/cran/uplift/man/sim_pte.html

Paket buradan indirilebilir: https://cran.r-project.org/src/contrib/Archive/uplift/

Aşağıdaki kodla R sürüm 4.1.2'de oluşturulan veri kümesi:

  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

parametreler:

  • n = örnek sayısı
  • p = yordayıcı sayısı
  • ro = yordayıcılar arasındaki kovaryans
  • sigma = hata teriminin çarpanı
  • beta.den = beta, 1/beta.den ile çarpılır

Yaratıcı: Leo Guelman leo.guelman@gmail.com

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

  • Kaynak kodu : tfds.datasets.simpte.Builder

  • sürümler :

    • 1.0.0 (varsayılan): İlk sürüm.
  • İndirme boyutu : Unknown size

  • Veri kümesi boyutu : 1.04 MiB

  • Manuel indirme talimatları : Bu veri kümesi, kaynak verileri manuel olarak download_config.manual_dir içine download_config.manual_dir gerektirir (varsayılan olarak ~/tensorflow_datasets/downloads/manual/ ):
    Lütfen eğitim verilerini indirin: sim_pte_train.csv ve test verilerini: sim_pte_test.csv ~/tensorflow_datasets/downloads/manual/.

  • Otomatik önbelleğe alınmış ( belgeleme ): Evet

  • bölmeler :

Bölmek örnekler
'test' 2.000
'train' 1.000
  • Özellik yapısı :
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,
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Açıklama
ÖzelliklerDict
X1 tensör şamandıra32
X10 tensör şamandıra32
x11 tensör şamandıra32
x12 tensör şamandıra32
x13 tensör şamandıra32
x14 tensör şamandıra32
x15 tensör şamandıra32
x16 tensör şamandıra32
x17 tensör şamandıra32
x18 tensör şamandıra32
X19 tensör şamandıra32
x2 tensör şamandıra32
x20 tensör şamandıra32
X3 tensör şamandıra32
x4 tensör şamandıra32
x5 tensör şamandıra32
x6 tensör şamandıra32
X7 tensör şamandıra32
x8 tensör şamandıra32
X9 tensör şamandıra32
davranmak tensör int32
y tensör int32
  • Denetimli anahtarlar (Bkz 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')

  • Şekil ( tfds.show_examples ): Desteklenmiyor.

  • Örnekler ( tfds.as_dataframe ):

  • Alıntı :
@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}
}