کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
We present Shades-of-NULL, a benchmark for responsible missing value imputation. Our benchmark includes state-of-the-art imputation techniques, and embeds them into the machine learning development lifecycle. We model realistic missingness scenarios that go beyond Rubin's classic Missing Completely at Random (MCAR), Missing At Random (MAR) and Missing Not At Random (MNAR), to include multi-mechanism missingness (when different missingness patterns co-exist in the data) and missingness shift (when the missingness mechanism changes between training and test). Another key novelty of our work is that we evaluate imputers holistically, based on the predictive performance, fairness and stability of the models that are trained and tested on the data they produce. We use Shades-of-NULL to conduct a large-scale empirical study involving 20,952 experimental pipelines, and find that, while there is no single best-performing imputation approach for all missingness types, interesting performance patterns do emerge when comparing imputer performance in simpler vs. more complex missingness scenarios. Further, while predictive performance, fairness and stability can be seen as orthogonal, we identify trade-offs among them that arise due to the combination of missingness scenario, the choice of an imputer, and the architecture of the model trained on the data post-imputation. We make Shades-of-NULL publicly available, and hope to enable researchers to comprehensively and rigorously evaluate new missing value imputation methods on a wide range of evaluation metrics, in plausible and socially meaningful missingness scenarios.
چکیده به فارسی (ترجمه ماشینی)
ما سایه های تهی را ارائه می دهیم ، معیاری برای عدم پذیرش ارزش از دست رفته.معیار ما شامل تکنیک های پیشرفته و پیشرفته است و آنها را در چرخه عمر توسعه یادگیری ماشین جاسازی می کند.ما سناریوهای مفقودیت واقع بینانه را که فراتر از کلاسیک روبین است که کاملاً به طور تصادفی (MCAR) از دست می رود ، به طور تصادفی (MAR) مفقود شده و به طور تصادفی از دست نمی رود (MNAR) را شامل نمی شود (MNAR) را شامل نمی شود (وقتی الگوهای مختلف مفقود شدن در داده ها وجود دارد.) و تغییر مفقود شدن (هنگامی که مکانیسم نابودی بین آموزش و آزمایش تغییر می کند).یکی دیگر از مهمترین چیزهای کار ما این است که ما بر اساس عملکرد پیش بینی کننده ، انصاف و ثبات مدلهایی که آموزش داده شده و بر روی داده های تولید شده آزمایش و آزمایش می شوند ، به صورت جامع و بر اساس عملکرد پیش بینی کننده ، انصاف و ثبات مدل ها ارزیابی می کنیم.ما از سایه های تهی برای انجام یک مطالعه تجربی در مقیاس بزرگ که شامل 20952 خط لوله آزمایشی است ، استفاده می کنیم ، و می دانیم که ، در حالی که هیچ رویکردی با عملکرد بهترین عملکرد برای همه انواع گمشده وجود ندارد ، الگوهای عملکرد جالب هنگام مقایسه عملکرد ناشایست به صورت ساده تر ظاهر می شونددر مقابل سناریوهای مفقودر پیچیده تر.علاوه بر این ، در حالی که عملکرد پیش بینی ، انصاف و ثبات را می توان به عنوان متعامد دانست ، ما تجارت را بین آنها شناسایی می کنیم که به دلیل ترکیب سناریوی مفقود شدن ، انتخاب یک ناچیز و معماری مدل آموزش داده شده بر روی داده های پس ازضرب و شتمما سایه های تهی را در دسترس عموم قرار می دهیم ، و امیدواریم که محققان بتوانند روشهای جدید و دقیق از دست رفته ارزش را در طیف گسترده ای از معیارهای ارزیابی ، در سناریوهای مفقود شدن قابل قبول و اجتماعی ارزیابی کنند.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
