meridian.model.adstock_hill.AdstockTransformer

Calcula la transformación de Adstock de los medios.

Se hereda de AdstockHillTransformer.

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

Args
alpha	Tensor de parámetros alpha que toman valores ≥ [0, 1) con dimensiones [..., n_media_channels]. Las dimensiones de lote (...) son opcionales. Ten en cuenta que alpha = 0 se permite, por lo que es posible establecer una distribución a priori con un punto masa en cero (de hecho, no procedente de Adstock). Sin embargo, alpha = 1 no se permite porque la fórmula de la suma geométrica no se encuentra definida y no hay ningún motivo práctico para establecer un punto masa en alpha = 1.
max_lag	Es un número entero que indica la cantidad máxima de períodos de retraso (≥ 0) que se deben incluir en el cálculo de Adstock.
n_times_output	Es un número entero que indica la cantidad de períodos que se deben incluir en el tensor de salida. No puede exceder la cantidad de períodos del argumento de medios (por ejemplo, media.shape[-2]). Los períodos de salida corresponden a los períodos más recientes del argumento de medios. Por ejemplo, media[..., -n_times_output:, :] representa la ejecución de medios correspondiente a las semanas que constituyen los períodos de salida.

Métodos

forward

Ver fuente

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

Calcula la transformación de Adstock de un tensor media determinado.

Para la ubicación geográfica g, el período t y el canal de medios m, la función Adstock se calcula como adstock_{g,t,m} = sum_{i=0}^max_lag media_{g,t-i,m} alpha^i.

Nota: La función Hill se puede aplicar antes o después de Adstock. Si se aplica Hill primero, la entrada de medios de Adstock puede contener dimensiones de lote, ya que el tensor de medios transformado será diferente para cada muestra posterior.

Args
media	Tensor de valores de medios con dimensiones [..., n_geos, n_media_times, n_media_channels]. Las dimensiones de lote (...) son opcionales, pero, si se incluyen, deben coincidir con las dimensiones de lote de alpha. Aun si alpha contiene dimensiones de lote, no es necesario que los medios tengan esas dimensiones.

Returns
Tensor con dimensiones [..., n_geos, n_times_output, n_media_channels] que representa el contenido de medios transformado con Adstock.