ترجمه فارسی مقاله برآورد ناهمگونی اثر درمان در روانپزشکی: مروری و آموزشی با جنگل های علّی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Estimating Treatment Effect Heterogeneity in Psychiatry: A Review and Tutorial with Causal Forests
عنوان مقاله به فارسی برآورد ناهمگونی اثر درمان در روانپزشکی: مروری و آموزشی با جنگل های علّی
نویسندگان Erik Sverdrup, Maria Petukhova, Stefan Wager
فرمت مقاله انگلیسی PDF
تعداد صفحات 27
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Applications,برنامه های کاربردی ,
توضیحات Submitted 2 September, 2024; originally announced September 2024. , Comments: Causal forest tutorial prepared for IJMPR
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: آموزش جنگل علیت برای IJMPR تهیه شده است
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Flexible machine learning tools are being used increasingly to estimate heterogeneous treatment effects. This paper gives an accessible tutorial demonstrating the use of the causal forest algorithm, available in the R package grf. We start with a brief non-technical overview of treatment effect estimation methods with a focus on estimation in observational studies, although similar methods can be used in experimental studies. We then discuss the logic of estimating heterogeneous effects using the extension of the random forest algorithm implemented in grf. Finally, we illustrate causal forest by conducting a secondary analysis on the extent to which individual differences in resilience to high combat stress can be measured among US Army soldiers deploying to Afghanistan based on information about these soldiers available prior to deployment. Throughout we illustrate simple and interpretable exercises for both model selection and evaluation, including targeting operator characteristics curves, Qini curves, area-under-the-curve summaries, and best linear projections. A replication script with simulated data is available at github.com/grf-labs/grf/tree/master/experiments/ijmpr

چکیده به فارسی (ترجمه ماشینی)

ابزارهای یادگیری ماشین انعطاف پذیر به طور فزاینده ای برای برآورد اثرات درمانی ناهمگن مورد استفاده قرار می گیرند.در این مقاله یک آموزش در دسترس ارائه شده است که نشان دهنده استفاده از الگوریتم جنگل علیت ، موجود در بسته R GRF است.ما با یک مرور کلی غیر فنی از روشهای تخمین اثر درمانی با تمرکز بر برآورد در مطالعات مشاهده ای شروع می کنیم ، اگرچه می توان از روشهای مشابه در مطالعات تجربی استفاده کرد.سپس ما در مورد منطق تخمین اثرات ناهمگن با استفاده از گسترش الگوریتم جنگلی تصادفی اجرا شده در GRF بحث می کنیم.سرانجام ، ما جنگل علیت را با انجام یک تحلیل ثانویه در مورد میزان تفاوت های فردی در مقاومت در برابر استرس جنگی بالا در بین سربازان ارتش آمریكا مستقر در افغانستان بر اساس اطلاعات مربوط به این سربازان موجود قبل از استقرار ، نشان می دهیم.در طول ما تمرینات ساده و قابل تفسیر را برای انتخاب و ارزیابی مدل نشان می دهیم ، از جمله هدف قرار دادن منحنی ویژگی های اپراتور ، منحنی های Qini ، خلاصه های زیر منحنی منطقه و بهترین پیش بینی های خطی.یک اسکریپت تکثیر با داده های شبیه سازی شده در github.com/grf-labs/grf/tree/master/experiments/ijmpr در دسترس است

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.