meridian.model.adstock_hill.AdstockTransformer

Berechnet die Adstock-Transformation von Media.

Übernommen von: AdstockHillTransformer

meridian.model.adstock_hill.AdstockTransformer(
    alpha: tf.Tensor, max_lag: int, n_times_output: int
)

alpha Tensor von alpha-Parametern mit Werten ≥ [0, 1) und Dimensionen [..., n_media_channels]. Batchdimensionen (...) sind optional. alpha = 0 ist zulässig. Es ist also möglich, einen Prior mit einer Punktmasse bei „0“ zu setzen (was effektiv kein Adstock bedeutet). alpha = 1 ist jedoch nicht zulässig, da die geometrische Summenformel nicht definiert ist und es keinen praktischen Grund gibt, eine Punktmasse bei alpha = 1 zu setzen.
max_lag Ganzzahl, die die maximale Anzahl von Verzögerungsperioden (≥ 0) angibt, die in die Adstock-Berechnung einbezogen werden sollen.
n_times_output Ganzzahl, die die Anzahl der Zeiträume angibt, die in den Ausgabetensor eingeschlossen werden sollen. Die Anzahl der Zeiträume darf die Anzahl der Zeiträume des „media“-Arguments nicht überschreiten, z. B. media.shape[-2]. Die Ausgabezeiträume entsprechen den letzten Zeiträumen des „media“-Arguments. media[..., -n_times_output:, :] steht beispielsweise für die Media-Ausführung der Ausgabewochen.

Methoden

forward

Quelle ansehen

forward(
    media: tf.Tensor
) -> tf.Tensor

Berechnet die Adstock-Transformation eines bestimmten media-Tensors.

Für die geografische Einheit g, den Zeitraum t und den Media-Channel m wird der Adstock als adstock_{g,t,m} = sum_{i=0}^max_lag media_{g,t-i,m} alpha^i berechnet.

Argumente
media Tensor von Media-Werten mit Dimensionen [..., n_geos, n_media_times, n_media_channels]. Batchdimensionen (...) sind optional. Wenn sie einbezogen werden, müssen sie mit den Batchdimensionen von alpha übereinstimmen. Für Media sind keine Batchdimensionen erforderlich, auch wenn alpha Batchdimensionen enthält.

Ausgabe
Tensor mit Dimensionen [..., n_geos, n_times_output, n_media_channels] für Adstock-transformierte Media.