Descrizione
Analisi di apprendimento automatico su dati pubblici: nozioni di base
Un'analisi completa di machine learning basata su dati aperti, dalla raccolta all'interpretazione, pensata per i ricercatori sprovvisti di un proprio dataset. Consegna in 3 settimane.
I problemi che minano uno studio sull'apprendimento automatico basato su dati pubblici
- Il set di dati non è stato trovato. Gli indicatori pubblici sono presenti sui portali della Banca Mondiale, del FMI e delle agenzie nazionali con codici, anni e nomi di paesi diversi.
- La fusione che si interrompe silenziosamente. Nomi di paesi non corrispondenti, anni mancanti e unità di misura incoerenti compromettono un pannello prima ancora che inizi la modellazione.
- Un modello che nessuno sa spiegare. Un risultato ottenuto con un algoritmo di random forest o XGBoost, senza un'interpretazione, non soddisferà un revisore che chiede quali variabili siano rilevanti.
- Il punteggio non è stato convalidato. Riportare una singola suddivisione tra set di addestramento e di test anziché la convalida incrociata e il confronto tra modelli rende deboli le affermazioni sulle prestazioni.
- L'analisi non è riproducibile. Senza fonti e codice documentati, nessuno, nemmeno tu, potrà eseguirlo nuovamente in seguito.
Cosa è incluso
- Dati pubblici provenienti dalla Banca Mondiale, dal FMI, dalle statistiche nazionali o da database aperti comparabili.
- Pulizia dei dati e costruzione variabile
- Modellazione multi-algoritmo: regressione, random forest, XGBoost e altri, a seconda dei casi.
- Convalida incrociata e confronto dei modelli
- Analisi di interpretabilità SHAP
- Visualizzazione dei risultati
- Documentazione relativa alla fonte e all'estrazione dei dati.
- Grafici di confronto delle prestazioni dei modelli e grafici di importanza SHAP
- Rapporto di analisi completo
- Codice di analisi R/Python
Ideale per
- Ricercatori senza un proprio set di dati primario
- Domande di previsione o classificazione a cui è possibile rispondere tramite indicatori pubblici.
- Applicazioni in economia, politica e scienze sociali.
timeline
Consegna standard: 3 settimane.
Confronta i due livelli
I livelli si differenziano per struttura dei dati, confronto degli algoritmi, tempi di consegna e prezzo. Confronta entrambi i livelli: Base e Standard.
| Cosa ottieni | Basic | Standard |
|---|---|---|
| Acquisizione e documentazione dei dati pubblici | Si | Si |
| Pulizia dei dati e costruzione variabile | Si | Si |
| Modellazione multi-algoritmo | Si | Si |
| Convalida incrociata e confronto dei modelli | Si | Si |
| Analisi di interpretabilità SHAP | Si | Si |
| Grafici delle prestazioni e diagrammi di importanza SHAP | Si | Si |
| Rapporto di analisi completo | Si | Si |
| Codice di analisi R/Python | Si | Si |
| Costruzione dei dati | Inclusi | Multi-sorgente |
| Confronto degli algoritmi | Inclusi | Expanded |
| Spedizione | 3 settimane | 4 settimane |
| Prezzo | $1,200 | $1,700 |
Confronto tra Editverse e un tipico servizio di analisi
I risultati dell'apprendimento automatico sono utili solo se possono essere verificati. Entrambi i livelli includono la documentazione necessaria per farlo.
| Cosa importa | Servizio di analisi tipico | Modificaverso |
|---|---|---|
| Documenta le fonti dei dati | Varie | Documentazione relativa alla fonte e all'estrazione dei dati su entrambi i livelli |
| Fornisce il codice di analisi | Spesso trattenuto o costo aggiuntivo | Codice R/Python su entrambi i livelli |
| Spiega quali variabili guidano il modello | Varie | Analisi di interpretabilità SHAP su entrambi i livelli |
Come funziona
- Breve. Descrivi la tua domanda e la variabile di risultato.
- Fonte. Identifichiamo e documentiamo i set di dati pubblici.
- Modello. Pulizia, costruzione variabile, modellazione e convalida incrociata.
- Interpretare. Analisi SHAP e visualizzazione dei risultati.
- Deliver. Riceverai il report, i grafici e il codice R/Python.
Il nostro impegno etico
Analizziamo la tua domanda utilizzando dati pubblici. Non modifichiamo i dati di origine né manipoliamo i risultati per adattarli a una conclusione. La paternità dell'articolo, l'approvazione etica e la gestione dei dati sono conformi alle linee guida del COPE, dell'ICMJE e alle politiche della tua istituzione e del tuo paese, e rimangono di tua esclusiva responsabilità.
Hai prima una domanda?
Non sai quale livello di servizio fa al caso tuo? Descrivi la tua domanda nella nostra pagina dei contatti e ti consiglieremo quello più adatto.
