meridian.analysis.visualizer.ModelDiagnostics
با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
نمودارهای تشخیصی مدل را از برازش مدل مریدین ایجاد می کند.
meridian.analysis.visualizer.ModelDiagnostics(
meridian: meridian.model.model.Meridian
)
روش ها
plot_prior_and_posterior_distribution
مشاهده منبع
plot_prior_and_posterior_distribution(
parameter: str = 'roi_m',
num_geos: int = 3,
selected_times: (list[str] | None) = None
) -> (alt.Chart | alt.FacetChart)
توزیع های قبلی و پسین را برای پارامتر مدل ترسیم می کند.
| ارگ |
|---|
parameter | نام پارامتر مدل برای رسم. به طور پیش فرض، اگر نامی مشخص نشده باشد، پارامتر ROI نشان داده می شود. |
num_geos | تعداد بزرگترین مناطق جغرافیایی بر اساس جمعیت برای نمایش در نمودارها برای پارامترهای سطح جغرافیایی. بهطور پیشفرض، تنها سه موقعیت جغرافیایی بزرگ نشان داده میشوند. |
selected_times | فهرست دوره های زمانی خاص برای رسم پارامترهای سطح زمانی. این زمان ها باید با دوره های زمانی داده ها مطابقت داشته باشند. به طور پیش فرض، سه دوره زمانی اول ترسیم می شود. |
| برمی گرداند |
|---|
| نمودار Altair که توزیع پارامترها را نشان می دهد. |
| افزایش می دهد |
|---|
NotFittedModelError | مدل نصب نشده است |
ValueError | یک parameter یک پارامتر مدل Meridian نیست. |
plot_rhat_boxplot
مشاهده منبع
plot_rhat_boxplot() -> alt.Chart
طرح جعبه R-hat را ترسیم می کند.
یک مقدار R-hat برای هر پارامتر مدل وجود دارد. نمودار جعبه توزیع مقادیر R-hat را در بین شاخص ها خلاصه می کند. برای مثال، کادر مربوط به beta_gm توزیع مقادیر R-hat را در هر دو شاخص جغرافیایی g و شاخص کانال m خلاصه میکند.
R-hat برای هیچ پارامتری که دارای اولویت های قطعی است تعریف نشده است، بنابراین این پارامترها در نمودار جعبه نشان داده نمی شوند.
| برمی گرداند |
|---|
| نمودار Altair که نمودار جعبه R-hat را در هر پارامتر نشان می دهد. |
| افزایش می دهد |
|---|
NotFittedModelError | مدل نصب نشده است |
MCMCSamplingError | نمونه گیری MCMC همگرا نشد. |
predictive_accuracy_table
مشاهده منبع
predictive_accuracy_table(
selected_geos: (Sequence[str] | None) = None,
selected_times: (Sequence[str] | None) = None,
column_var: (str | None) = None,
batch_size: int = c.DEFAULT_BATCH_SIZE
) -> pd.DataFrame
دقت پیشبینی DataFrame را نشان میدهد.
| ارگ |
|---|
selected_geos | فهرست اختیاری زیرمجموعهای از ابعاد جغرافیایی برای گنجاندن. به طور پیش فرض، همه جغرافیایی گنجانده شده است. Geos باید با نام ابعاد جغرافیایی از meridian.InputData مطابقت داشته باشد. selected_geos یا n_top_largest_geos را تنظیم کنید، هر دو را تنظیم نکنید. |
selected_times | فهرست اختیاری زیرمجموعه ای از ابعاد زمانی برای گنجاندن. به طور پیش فرض، همه زمان ها گنجانده شده است. زمان ها باید با ابعاد زمانی از meridian.InputData مطابقت داشته باشند. |
column_var | رشته اختیاری که نشان می دهد جدول بر اساس metric ، geo_granularity یا evaluation_set چرخانده شود. بهطور پیشفرض، column_var=None نشان میدهد که ستونهای metric ، geo_granularity و value (همراه با evaluation_set وقتی holdout_id None نیست) در DataFrame بدون محور برگشتی نمایش داده میشوند. |
batch_size | عدد صحیح نشان دهنده تعداد حداکثر کشش در هر زنجیره در هر دسته است. محاسبه به صورت دستهای انجام میشود تا از فرسودگی حافظه جلوگیری شود. اگر خطای حافظه رخ داد، سعی کنید batch_size کاهش دهید. محاسبه معمولاً با مقادیر batch_size بزرگتر سریعتر خواهد بود. |
| برمی گرداند |
|---|
یک DataFrame حاوی مقادیر محاسبهشده R_Squared ، MAPE و wMAPE . اگر holdout_id وجود داشته باشد، دادهها به زیربخشهای Train ، Test و All Data تقسیم میشوند و evaluation_set بهعنوان ستونی در تبدیل از Dataset به DataFrame گنجانده میشود. |
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-01-24 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-01-24 بهوقت ساعت هماهنگ جهانی."],[],["The `ModelDiagnostics` class generates plots and tables for model analysis. Key actions include: plotting prior and posterior distributions of model parameters, allowing selection of specific parameters, geographies, and time periods. It also generates an R-hat box plot to assess chain convergence, indicating values close to 1.0 are desirable. Additionally, it provides a table displaying predictive accuracy using metrics like R-squared, MAPE, and wMAPE, with options to filter by geographies and time periods.\n"]]