Join the newly launched
Discord community for real-time discussions, peer support, and direct interaction with the Meridian team!
meridian.analysis.visualizer.ModelFit
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Membuat plot kecocokan model dari penyesuaian model Meridian.
meridian.analysis.visualizer.ModelFit(
meridian: meridian.model.model.Meridian
,
confidence_level: float = c.DEFAULT_CONFIDENCE_LEVEL
)
Menghitung hasil yang diharapkan versus hasil sebenarnya dengan tingkat keyakinan dari waktu ke waktu, dan memetakan grafik untuk membandingkan nilai.
Args |
meridian
|
Model campuran media dengan data mentah dari kecocokan model.
|
confidence_level
|
Tingkat keyakinan untuk interval kredibel hasil yang diharapkan
diwakili sebagai nilai antara nol dan satu. Default-nya adalah 0.9 .
|
Atribut |
model_fit_data
|
Set data yang menyimpan hasil yang diharapkan, aktual, dan dasar pengukuran dari waktu ke waktu.
Set data berisi hal berikut:
- Koordinat:
geo , time , metric (mean , ci_hi , ci_lo )
- Variabel data:
expected , baseline , actual (hasil)
|
Metode
plot_model_fit
Lihat sumber
plot_model_fit(
selected_times: (Sequence[str] | None) = None,
selected_geos: (Sequence[str] | None) = None,
n_top_largest_geos: (int | None) = None,
show_geo_level: bool = False,
include_baseline: bool = True,
include_ci: bool = True
) -> alt.Chart
Membuat plot hasil yang diharapkan versus hasil yang sebenarnya dari waktu ke waktu.
Args |
selected_times
|
Daftar opsional subkumpulan dimensi waktu yang akan disertakan.
Secara default, semua waktu disertakan. Waktu harus cocok dengan dimensi
waktu dari meridian.InputData .
|
selected_geos
|
Daftar opsional subset dimensi geografis yang akan disertakan. Secara default, semua geo disertakan. Geo harus cocok dengan nama dimensi geografis
dari meridian.InputData . Tetapkan selected_geos atau
n_top_largest_geos , jangan tetapkan keduanya.
|
n_top_largest_geos
|
Jumlah opsional geo terbesar menurut populasi yang akan
disertakan. Secara default, semua geo disertakan. Tetapkan selected_geos
atau n_top_largest_geos , jangan tetapkan keduanya.
|
show_geo_level
|
Jika True , plot di tingkat geografis, bukan satu plot tingkat
nasional. Hanya tersedia jika selected_geos atau n_top_largest_geos
disediakan.
|
include_baseline
|
Jika True , menampilkan hasil dasar pengukuran yang diharapkan tanpa
eksekusi media apa pun.
|
include_ci
|
Jika True , menampilkan interval kredibel untuk hasil
yang diharapkan.
|
Hasil |
Plot Altair yang menunjukkan kecocokan model.
|
update_confidence_level
Lihat sumber
update_confidence_level(
confidence_level: float
)
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2024-12-21 UTC.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Informasi yang saya butuhkan tidak ada","missingTheInformationINeed","thumb-down"],["Terlalu rumit/langkahnya terlalu banyak","tooComplicatedTooManySteps","thumb-down"],["Sudah usang","outOfDate","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Masalah kode / contoh","samplesCodeIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2024-12-21 UTC."],[],["The `ModelFit` class generates plots comparing expected versus actual outcomes from a Meridian model. It calculates these values, along with confidence intervals, over time. Key actions include initializing with a Meridian model and a confidence level, then generating the plot using `plot_model_fit`. This method allows selecting specific time periods and geographic regions, displaying the geo level, and optionally including baseline outcomes and confidence intervals. It returns an Altair plot. The confidence level can be updated through `update_confidence_level`. The `model_fit_data` attribute contains the relevant datasets.\n"],null,[]]