一个用于项目响应理论的python包。
girth的Python项目详细描述
Georgia TechItemR响应Theory包
Girth是一个用于估计项目响应理论(IRT)参数的python包。此外,还支持合成IRT数据生成。下面是可用函数的列表,有关详细信息,请访问周长homepage。在
二分模型
- 拉什模型
- 联合最大似然
- 条件似然
- 边际最大似然
- 单/双参数Logistic模型
- 联合最大似然
- 边际最大似然
- 三参数Logistic模型
- 边际最大似然(无优化和最小支持)
Polytomous模型
- 分级响应模型
- 联合最大似然
- 边际最大似然
- 部分信用模式
- 联合最大似然
- 边际最大似然
- 分级展开模型
- 边际最大似然
Ablity估计
- 二分法
- 边际似然估计
- 后验最大估计
- 期望得到后验估计
支持合成数据生成
- Rasch/1PL模型二分模型
- 2 PL二分法模型
- 3 PL二分法模型
- 分级响应模型
- 部分信用模型
- 分级展开模型
- 多维二分模型
安装
通过pip
pip install girth --upgrade
来源
^{pr2}$使用
importnumpyasnpfromgirthimportcreate_synthetic_irt_dichotomousfromgirthimporttwopl_mml# Create Synthetic Datadifficulty=np.linspace(-2.5,2.5,10)discrimination=np.random.rand(10)+0.5theta=np.random.randn(500)syn_data=create_synthetic_irt_dichotomous(difficulty,discrimination,theta)# Solve for parametersestimates=twopl_mml(syn_data)# Unpack estimatesdiscrimination_estimates=estimates['Discrimination']difficulty_estimates=estimates['Difficulty']
单元测试
不带覆盖率.py模块
nosetests testing/
With覆盖率.py模块
nosetests --with-coverage --cover-package=girth testing/
依赖关系
- Python 3.7
- Numpy公司
- 神经质的
- 麻木
我们使用可以安装的水蟒环境 下载here
联系人
瑞安·桑切斯
rsanchez44@gatech.edu
许可证
麻省理工学院执照
版权所有(c)2020 Ryan Sanchez
兹免费准许任何人取得复制品 本软件的相关文件 在软件中不受限制,包括但不限于权利 使用、复制、修改、合并、发布、分发、再授权和/或出售 软件的副本,并允许软件的使用者 根据以下条件提供:
上述版权声明和本许可声明应包括在所有 软件的副本或大部分。在
本软件按“原样”提供,无任何形式的保证,明示或 包括但不限于适销性保证, 特定目的的适用性和非侵犯性。在任何情况下 作者或版权持有人应对任何索赔、损害赔偿或其他 无论是在合同诉讼、侵权诉讼或其他诉讼中,由以下原因引起的责任:, 与软件、软件的使用或其他交易有关 软件。在
- 项目
标签: