Pagsusuri ng Machine Learning sa Pampublikong Datos – Pangunahing Kaalaman

paglalarawan

Pagsusuri ng Machine Learning sa Pampublikong Datos: Pangunahing Kaalaman

Isang kumpletong pagsusuri ng machine learning na binuo batay sa open data, mula sa pagkuha ng impormasyon hanggang sa interpretasyon, para sa mga mananaliksik na walang sariling dataset. Maihahatid sa loob ng 3 linggo.

Ang mga problemang nagpapahina sa isang pag-aaral ng machine learning na gumagamit ng pampublikong datos

• Ang dataset na hindi mo mahanap. Ang mga pampublikong tagapagpahiwatig ay makikita sa mga portal ng World Bank, IMF at mga pambansang ahensya na may iba't ibang kodigo, taon at pangalan ng bansa.
• Ang pagsasama na tahimik na napuputol. Ang mga hindi magkatugmang pangalan ng bansa, nawawalang mga taon, at hindi magkatugmang mga yunit ay sumisira sa isang panel bago magsimula ang pagmomodelo.
• Ang modelong walang makakapagpaliwanag. Ang isang random na resulta ng forest o XGBoost na walang interpretasyon ay hindi makakapagbigay-kasiyahan sa isang tagasuri na nagtatanong kung aling mga baryabol ang mahalaga.
• Ang iskor na hindi na-validate. Ang pag-uulat ng isang train-test split sa halip na cross-validation at paghahambing ng modelo ay nagpapahina sa mga performance claim.
• Ang pagsusuri ay hindi mo maaaring ulitin. Kung walang dokumentadong mga source at code, walang sinuman, kasama ka, ang maaaring magpagana nito muli sa ibang pagkakataon.

Ano ang Kasamang

• Pampublikong pagkuha ng datos mula sa World Bank, IMF, pambansang estadistika o maihahambing na bukas na mga database
• Paglilinis ng datos at pabagu-bagong konstruksyon
• Pagmomodelo ng multi-algorithm: regression, random forest, XGBoost at iba pa kung naaangkop
• Pag-cross-validate at paghahambing ng modelo
• Pagsusuri ng kakayahang magbigay ng kahulugan sa SHAP
• Pagpapakita ng mga resulta
• Dokumentasyon ng pinagmulan at pagkuha ng datos
• Mga tsart ng paghahambing ng pagganap ng modelo at mga plot ng kahalagahan ng SHAP
• Kumpletong ulat ng pagsusuri
• Kodigo ng pagsusuri ng R/Python

Best Para sa

• Mga mananaliksik na walang sariling pangunahing dataset
• Mga tanong sa prediksyon o klasipikasyon na masasagot mula sa mga pampublikong tagapagpahiwatig
• Mga aplikasyon sa ekonomiya, patakaran at agham panlipunan

timeline

Karaniwang paghahatid: 3 linggo.

Paghambingin ang dalawang antas

Nag-iiba ang mga antas ayon sa pagbuo ng datos, paghahambing ng algorithm, oras ng paghahatid at presyo. Paghambingin ang parehong antas: Basic at Standard.

Ang Editverse ay inihambing sa isang karaniwang serbisyo sa pagsusuri

Ang mga resulta ng machine learning ay magiging kapaki-pakinabang lamang kung masusuri ang mga ito. Kasama sa parehong antas ang dokumentasyon para magawa ito.

Operasyon

1. Maikling. Inilalarawan mo ang iyong tanong at ang baryabol ng kinalabasan.
2. Pinagmulan. Tinutukoy at dinodokumento namin ang mga pampublikong dataset.
3. Modelo. Paglilinis, pabagu-bagong konstruksyon, pagmomodelo at cross-validation.
4. Magbigay-kahulugan. Pagsusuri ng SHAP at paggunita ng mga resulta.
5. Maghatid. Matatanggap mo ang ulat, mga tsart at R/Python code.

Ang Aming Etikal na Pangako

Sinusuri namin ang iyong tanong gamit ang pampublikong datos. Hindi namin binabago ang pinagmulang datos o inaayos ang mga resulta upang umangkop sa isang konklusyon. Ang pagiging awtor, pag-apruba ng etika, at pamamahala ng datos ay sumusunod sa COPE, ICMJE, at sa mga patakaran ng iyong institusyon at bansa, at nananatili sa iyo.

May Tanong Ka Muna?

Hindi sigurado kung aling baitang ang babagay? Ilarawan ang iyong tanong sa aming pahina ng pakikipag-ugnayan at magrerekomenda kami ng isa.