SIMPTE

أسماء أخرى: tfds:simpte

زيارة المصدر الأصلي

نظرة عامة

مجموعة بيانات SIMPTE في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 3,000 (مجموع الأقسام: train، test).

الوصف (من المصدر)

Full name: Simulations for Personalized Treatment Effects Generated with the R's Uplift package: https://rdrr.io/cran/uplift/man/sim_pte.html The package could be downloaded here: https://cran.r-project.org/src/contrib/Archive/uplift/ Dataset generated in R version 4.1.2 with following code: ``` 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 ``` Parameters: - `n` = number of samples - `p` = number of predictors - `ro` = covariance between predictors - `sigma` = mutiplier of the error term - `beta.den` = beta is mutiplied by 1/beta.den Creator: Leo Guelman leo.guelman@gmail.com

المجال
البيانات الجدولية والتعلم الآلي التقليدي (Tabular Data)
نوع البيانات
بيانات جدولية
المهام
غير متوفر
التخصصات الفرعية
غير متوفر
اللغات
غير متوفر
الوسوم
tabular

الإحصائيات والبنية

عدد العينات
3٬000
عدد الفئات
غير متوفر
عدد الخصائص
غير متوفر
عدد المشاركين/الحالات
غير متوفر
عدد الصور
غير متوفر
عدد الملفات
غير متوفر
الحجم
غير متوفر
الصيغ
غير متوفر
القيم المفقودة
غير متوفر

ملاحظة العينات: مجموع الأقسام: train، test.

الترخيص والوصول

الترخيص
غير معروف — لم يُذكر ترخيص صريح في المصادر المعتمدة
توثيق الترخيص
غير معروف
الاستخدام التجاري
غير معروف
إعادة التوزيع
غير معروف
اشتراط النسبة
غير معروف
طريقة الوصول
زيارة المصدر
قيود الوصول
غير متوفر
شروط الاستخدام
غير متوفر

لم يُعثر على ترخيص صريح في المصادر المستخدمة؛ لا تفترض أي إذن قبل مراجعة المصدر الأصلي.

راجع دائماً شروط الناشر الأصلي قبل الاستخدام؛ المستكشف لا يمنح أي ترخيص.

المصدر والتنزيل

المنصة
TensorFlow Datasets catalog
الناشر/المصدر
TensorFlow Datasets (TFDS)
المعرّف في المصدر
tfds:simpte
DOI
غير متوفر
مصدر البيانات الوصفية
tfds
آخر تحديث للبيانات الوصفية
2026-11-14

لا يستضيف المستكشف ملفات البيانات؛ كل الروابط تشير إلى الناشر الأصلي.

الأبحاث المرتبطة

  1. البحث الذي قدّم مجموعة البيانات
    Tian, Lu, Alizadeh, Ash, Gentles, Andrew, Tibshirani, Robert (2012). A Simple Method for Detecting Interactions between a Treatment and a Large Number of Covariates. arXiv. https://doi.org/10.48550/arxiv.1212.2995
    مذكور لهذه المجموعة في كتالوج المصدر · رابط البحث · الدليل

الاستشهاد بالمجموعة

مبني من الحقول المسجلة فقط؛ الحقول غير المتوفرة تُحذف ولا تُخمَّن. يُستحسن أيضاً الاستشهاد بالبحث الذي قدّم المجموعة إن وُجد.

APA 7
SIMPTE [Data set]. (2012). TensorFlow Datasets (TFDS). https://rdrr.io/cran/uplift/man/sim_pte.html
IEEE
[1] "SIMPTE," TensorFlow Datasets (TFDS), 2012. [Online]. Available: https://rdrr.io/cran/uplift/man/sim_pte.html
BibTeX
@misc{simpte2012,
  title = {{SIMPTE}},
  year = {2012},
  publisher = {TensorFlow Datasets (TFDS)},
  url = {https://rdrr.io/cran/uplift/man/sim_pte.html},
  howpublished = {\url{https://rdrr.io/cran/uplift/man/sim_pte.html}},
  note = {Dataset. Accessed: 2026-11-16}
}

التحقق

حالة التحقق
موثّقة جزئياً
آخر فحص للروابط
لم يُفحص بعد
تاريخ التحقق من المصدر
غير متوفر
طريقة التحقق
Metadata imported from the official TensorFlow Datasets catalog (dataset_info.json on storage.googleapis.com and the tensorflow-datasets 4.9.10 package).
ملاحظات
Counts and sizes come from the TFDS-prepared version 1.0.0. Licence not stated in TFDS metadata unless shown; check the original source. Original URL not yet checked for availability.
مصدر كل حقل وتاريخ فحصه
الحقلالمصدرالتاريخ
original_urlTFDS dataset_info.json (location.urls)2026-11-14
descriptionTFDS README.md / dataset_info.description2026-11-14
number_of_samplesTFDS dataset_info.json splits[].numExamples (version 1.0.0)2026-11-14

مجموعات مشابهة

البيانات الجدولية والتعلم الآلي التقليدي موثّقة جزئياً

Abalone

مجموعة بيانات Abalone في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 4,177. المهام: Classification، Regression.

العينات
4٬177
النوع
بيانات جدولية
الترخيص
غير معروف
المصدر
UCI Machine Learning Repository
البيانات الجدولية والتعلم الآلي التقليدي موثّقة جزئياً

Adult

مجموعة بيانات Adult في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 48,842. المهام: Classification.

العينات
48٬842
النوع
بيانات جدولية
الترخيص
غير معروف
المصدر
UCI Machine Learning Repository
البيانات الجدولية والتعلم الآلي التقليدي موثّقة جزئياً

AI4I 2020 Predictive Maintenance Dataset

مجموعة بيانات AI4I 2020 Predictive Maintenance Dataset في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 10,000. المهام: Classification، Regression، Causal-Discovery.

العينات
10٬000
النوع
بيانات جدولية
الترخيص
غير معروف
المصدر
UCI Machine Learning Repository
البيانات الجدولية والتعلم الآلي التقليدي موثّقة جزئياً

Appliances Energy Prediction

مجموعة بيانات Appliances Energy Prediction في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 19,735. المهام: Regression.

العينات
19٬735
النوع
بيانات جدولية
الترخيص
غير معروف
المصدر
UCI Machine Learning Repository
البيانات الجدولية والتعلم الآلي التقليدي موثّقة جزئياً

Auto MPG

مجموعة بيانات Auto MPG في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 398. المهام: Regression.

العينات
398
النوع
بيانات جدولية
الترخيص
غير معروف
المصدر
UCI Machine Learning Repository
البيانات الجدولية والتعلم الآلي التقليدي موثّقة جزئياً

Bank Marketing

مجموعة بيانات Bank Marketing في مجال البيانات الجدولية والتعلم الآلي التقليدي، نوع البيانات: بيانات جدولية. عدد العينات المسجل: 45,211. المهام: Classification.

العينات
45٬211
النوع
بيانات جدولية
الترخيص
غير معروف
المصدر
UCI Machine Learning Repository