meridian.model.adstock_hill.AdstockTransformer

מחשבת את הטרנספורמציה של המדיה ב-Adstock.

עובר בירושה מ: AdstockHillTransformer

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

ארגים
alpha	Tensor של פרמטרים של alpha שמקבלים ערכים ≥ [0, 1) עם מאפיינים [..., n_media_channels]. המידות של האצווה (...) הן אופציונלי. חשוב לשים לב שהשימוש ב-alpha = 0 מותר, ולכן ניתן להוסיף לו מסת הנקודות הקודמת באפס (למעשה אין Adstock). אבל, alpha = 1 , מכיוון שהנוסחה של הסכום הגאומטרי לא מוגדרת, אינה סיבה מעשית לייצוג מסת נקודות ב-alpha = 1.
max_lag	מספר שלם שמציין את המספר המקסימלי של תקופות עיכוב (≥ 0) עד כוללים בחישוב של Adstock.
n_times_output	מספר שלם שמציין את מספר תקופות הזמן להכללה בטנזור הפלט. לא ניתן לחרוג ממספר תקופות הזמן ארגומנט מדיה, לדוגמה, media.shape[-2]. התקופות של הפלט תואמים לתקופות הזמן האחרונות של הארגומנט המדיה. עבור לדוגמה, media[..., -n_times_output:, :] מייצג את המדיה של שבועות הפלט.

שיטות

forward

הצגת המקור

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

מחשבת את הטרנספורמציה של Adstock של טנזור media נתון.

עבור המיקום הגיאוגרפי g, התקופה t וערוץ המדיה m, המערכת מחשבת את Adstock בתור adstock_{g,t,m} = sum_{i=0}^max_lag media_{g,t-i,m} alpha^i.

הערה: אפשר להשתמש בפונקציה Hill לפני או אחרי Adstock. אם גבעה היא קודם כול, קלט המדיה של Adstock יכול להכיל מאפייני אצווה. כי רכיב המדיה שעבר שינוי יהיה שונה לדוגמה.

ארגים
media	Tensor של ערכי מדיה עם המאפיינים [..., n_geos, n_media_times, n_media_channels]. המידות של האצווה (...) הן אופציונלי, אבל אם מאפייני אצווה כלולים, הם חייבים להתאים אצווה של alpha. לא צריך מדיה באצווה גם אם alpha מכיל מאפייני אצווה.

החזרות
Tensor במידות [..., n_geos, n_times_output, n_media_channels] שמייצג מדיה שעברה טרנספורמציה ב-Adstock.