meridian.model.adstock_hill.AdstockTransformer

تبدیل Adstock رسانه را محاسبه می کند.

ارث می برد از: AdstockHillTransformer

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

ارگ
alpha	تانسور پارامترهای alpha با مقادیر ≥ [0, 1) با ابعاد [..., n_media_channels] . ابعاد دسته ای (...) اختیاری است. توجه داشته باشید که alpha = 0 مجاز است، بنابراین می توان جرم نقطه ای را قبل از صفر قرار داد (در واقع هیچ Adstock وجود ندارد). با این حال، alpha = 1 مجاز نیست زیرا فرمول مجموع هندسی تعریف نشده است، و هیچ دلیل عملی برای داشتن جرم نقطه در alpha = 1 وجود ندارد.
max_lag	عدد صحیح نشان‌دهنده حداکثر تعداد دوره‌های تاخیر (≥ 0 ) برای درج در محاسبه Adstock.
n_times_output	عدد صحیح نشان دهنده تعداد دوره های زمانی برای درج در تانسور خروجی است. نمی تواند از تعداد دوره های زمانی آرگومان رسانه تجاوز کند، به عنوان مثال media.shape[-2] . دوره های زمانی خروجی با آخرین دوره های زمانی بحث رسانه مطابقت دارد. به عنوان مثال، media[..., -n_times_output:, :] اجرای رسانه هفته های خروجی را نشان می دهد.

روش ها

forward

مشاهده منبع

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

تبدیل Adstock یک تانسور media معین را محاسبه می کند.

برای geo g ، دوره زمانی t و کانال رسانه m ، Adstock به صورت adstock_{g,t,m} = sum_{i=0}^max_lag media_{g,ti,m} alpha^i محاسبه می‌شود.

توجه: تابع Hill را می توان قبل یا بعد از Adstock اعمال کرد. اگر ابتدا Hill اعمال شود، ورودی رسانه Adstock می تواند شامل ابعاد دسته ای باشد زیرا تانسور رسانه تبدیل شده برای هر نمونه خلفی متفاوت خواهد بود.

ارگ
media	تانسور مقادیر رسانه با ابعاد [..., n_geos, n_media_times, n_media_channels] . ابعاد دسته ای (...) اختیاری است، اما اگر ابعاد دسته ای گنجانده شود، باید با ابعاد دسته ای alpha مطابقت داشته باشد. حتی اگر alpha دارای ابعاد دسته ای باشد، نیازی به داشتن ابعاد دسته ای نیست.

برمی گرداند
تانسور با ابعاد [..., n_geos, n_times_output, n_media_channels] که نشان دهنده رسانه تبدیل شده Adstock است.