文件名称：irt_parameter_estimation:基于项目响应理论（IRT）的物流项目特征曲线（ICC）的参数估计例程
文件大小：428KB
文件格式：ZIP
更新时间：2024-05-23 09:07:47
Python
IRT参数估计例程 该程序包根据项目响应理论（IRT）实现了物流项目特征曲线（ICC）的参数估计。 实现了以下逻辑模型的最大似然估计（MLE）拟合例程： 1PL-1参数逻辑（Rausch）模型b（难度） 2PL-2参数逻辑模型a（歧视）和b（困难） 3PL-3参数逻辑（Birnbaum）模型a（歧视），b（困难）和c（伪猜测） 此外，还可以使用zeta / lamdba / c配方进行拟合。 这里的差异归结为逻辑指数。 转换为： 一个（θ的J - B）=ζ+λθĴ a * (theta_j - b) = zeta + lambda * theta_j 这种看似微不足道的变化对收敛特性产生了巨大影响（尤其是在2PL情况下，但在3PL情况下）。 此软件包中的许多方法均来自Frank B. Baker和Seock-Ho Kim的工作： 项目响应理论：参数估计技术 唯一的例外
【文件预览】：
irt_parameter_estimation-master
----MANIFEST.in(41B)
----CHANGES.txt(0B)
----test()
--------test_irt_parameter_estimation.py(107B)
----irt_parameter_estimation()
--------util.py(5KB)
--------baker_mle.py(9KB)
--------__init__.py(252B)
--------zlc_mle.py(12KB)
--------_version.py(80B)
--------abc_mle.py(12KB)
----CONTRIBUTING.md(3KB)
----__init__.py(667B)
----doc()
--------item-characteristic-curve.svg(11KB)
--------QuickTutorial.html(387KB)
--------item-characteristic-curve.pdf(11KB)
--------QuickTutorial.ipynb(104KB)
--------zlc-irt-formulation.tex(16KB)
--------QuickTutorial.py(6KB)
--------zlc-irt-formulation.pdf(198KB)
----setup.py(755B)
----.gitignore(138B)
----README.md(3KB)
----scripts()
--------abcd_bokeh_sliders.py(2KB)
----LICENSE.txt(11KB)