Deskripsi
Analisis Pembelajaran Mesin pada Data Publik: Dasar-dasar
Analisis pembelajaran mesin lengkap yang dibangun di atas data terbuka, dari sumber hingga interpretasi, untuk peneliti yang tidak memiliki dataset sendiri. Diselesaikan dalam 3 minggu.
Masalah-masalah yang merusak studi pembelajaran mesin berbasis data publik
- Dataset yang tidak dapat Anda temukan. Indikator publik tersebar di portal Bank Dunia, IMF, dan lembaga nasional dengan kode, tahun, dan nama negara yang berbeda.
- Penggabungan yang diam-diam gagal. Nama negara yang tidak sesuai, tahun yang hilang, dan satuan yang tidak konsisten merusak panel sebelum pemodelan dimulai.
- Model yang tidak bisa dijelaskan oleh siapa pun. Hasil random forest atau XGBoost tanpa interpretasi tidak akan memuaskan penilai yang menanyakan variabel mana yang penting.
- Skor yang belum divalidasi. Melaporkan satu pembagian data latih-uji alih-alih validasi silang dan perbandingan model membuat klaim kinerja menjadi lemah.
- Analisis tersebut tidak dapat Anda reproduksi. Tanpa sumber dan kode yang terdokumentasi, tidak seorang pun, termasuk Anda, dapat menjalankannya kembali di kemudian hari.
Apa yang termasuk
- Sumber data publik dari Bank Dunia, IMF, statistik nasional, atau basis data terbuka serupa.
- Pembersihan data dan konstruksi variabel
- Pemodelan multi-algoritma: regresi, random forest, XGBoost, dan lainnya sesuai kebutuhan.
- Validasi silang dan perbandingan model
- Analisis interpretasi SHAP
- Visualisasi hasil
- Dokumentasi sumber data dan ekstraksi data
- Bagan perbandingan kinerja model dan plot kepentingan SHAP
- Laporan analisis lengkap
- Kode analisis R/Python
terbaik Untuk
- Peneliti tanpa kumpulan data utama mereka sendiri
- Pertanyaan prediksi atau klasifikasi yang dapat dijawab dari indikator publik.
- Penerapan ekonomi, kebijakan, dan ilmu sosial.
Perusahaan
Pengiriman standar: 3 minggu.
Bandingkan kedua tingkatan tersebut
Tingkatannya berbeda berdasarkan konstruksi data, perbandingan algoritma, waktu pengiriman, dan harga. Bandingkan kedua tingkatan: Dasar dan Standar.
| Apa yang Anda dapatkan | Dasar | Standar |
|---|---|---|
| Sumber dan dokumentasi data publik | Ya | Ya |
| Pembersihan data dan konstruksi variabel | Ya | Ya |
| Pemodelan multi-algoritma | Ya | Ya |
| Validasi silang dan perbandingan model | Ya | Ya |
| Analisis interpretasi SHAP | Ya | Ya |
| Grafik kinerja dan plot kepentingan SHAP | Ya | Ya |
| Laporan analisis lengkap | Ya | Ya |
| Kode analisis R/Python | Ya | Ya |
| Konstruksi data | Termasuk | Multi-sumber |
| Perbandingan algoritma | Termasuk | Diperluas |
| Sampel | minggu 3 | minggu 4 |
| Harga | $1,200 | $1,700 |
Editverse dibandingkan dengan layanan analisis biasa.
Hasil pembelajaran mesin hanya berguna jika dapat diperiksa. Kedua tingkatan tersebut menyertakan dokumentasi untuk melakukan hal tersebut.
| Apa masalahnya | Layanan analisis tipikal | Sunting terbalik |
|---|---|---|
| Mendokumentasikan sumber data | Bervariasi | Dokumentasi sumber data dan ekstraksi pada kedua tingkatan. |
| Menyediakan kode analisis | Seringkali ditahan atau dikenakan biaya tambahan. | Kode R/Python di kedua tingkatan |
| Menjelaskan variabel mana yang menggerakkan model. | Bervariasi | Analisis interpretasi SHAP pada kedua tingkatan |
Cara kerjanya
- Singkat. Anda menjelaskan pertanyaan dan variabel hasil yang ingin Anda ajukan.
- Sumber. Kami mengidentifikasi dan mendokumentasikan kumpulan data publik.
- Model. Pembersihan data, konstruksi variabel, pemodelan, dan validasi silang.
- Menafsirkan. Analisis SHAP dan visualisasi hasil.
- Mengantarkan. Anda akan menerima laporan, grafik, dan kode R/Python.
Komitmen Etika Kami
Kami menganalisis pertanyaan Anda menggunakan data publik. Kami tidak mengubah data sumber atau menyesuaikan hasil agar sesuai dengan kesimpulan. Kepengarangan, persetujuan etika, dan tata kelola data mengikuti COPE, ICMJE, dan kebijakan institusi serta negara Anda, dan tetap menjadi tanggung jawab Anda.
Punya pertanyaan dulu?
Tidak yakin tingkatan mana yang sesuai? Jelaskan pertanyaan Anda di halaman kontak kami dan kami akan merekomendasikan salah satunya.
