文件名称：empirical_calibration
文件大小：976KB
文件格式：ZIP
更新时间：2024-05-28 22:44:30
JupyterNotebook
用于经验性校准的Python库 处理偏差数据样本是许多统计领域的常见任务。 在调查抽样中，由于无代表性的样本，经常会出现偏差。 在具有观察数据的因果研究中，治疗组与未治疗组的分配通常与协变量相关，即不是随机的。 经验校准是一种通用的加权方法，它提供了针对上述任务纠正或减少数据偏差的统一视图。 我们提供了一个Python库EC来计算经验校准权重。 该问题被公式化为凸优化，并以对偶形式有效解决。 与现有软件相比，EC更加高效和强大。 EC还适应不同的优化目标，支持权重削减，并允许不精确的校准，从而提高了可用性。 我们使用模拟和真实数据在各种实验中演示其用法。 纸 王小静，苗，金刚和孙云婷。 （2019）。 用于经验性校准的Python库。 。 安装 最简单的方法是适当地使用pip： pip install -q git+https://github.com/google/empirical
【文件预览】：
empirical_calibration-master
----LICENSE(11KB)
----CONTRIBUTING.md(1KB)
----empirical_calibration()
--------core.py(17KB)
--------BUILD(2KB)
--------data()
--------core_test.py(12KB)
--------__init__.py(718B)
----setup.py(2KB)
----README.md(2KB)
----notebooks()
--------survey_calibration_cvxr.ipynb(86KB)
--------survey_calibration_simulated.ipynb(58KB)
--------causal_inference_lalonde.ipynb(838KB)
--------kang_schafer_population_mean.ipynb(378KB)
--------causal_inference_kang_schafer.ipynb(132KB)