meridian.model.adstock_hill.AdstockTransformer(
alpha: tf.Tensor, max_lag: int, n_times_output: int
)
Arg
alpha
Tensore dei parametri alpha che prende valori ≥ [0, 1) con
dimensioni [..., n_media_channels]. Le dimensioni del batch (...) sono
facoltativo. Tieni presente che il parametro alpha = 0 è consentito, quindi è possibile inserire un
massa puntuale prima dello zero (in realtà nessun Adstock). Tuttavia, alpha = 1
non è consentito poiché la formula della somma geometrica non è definita e
non c'è un motivo pratico per avere una massa puntuale su alpha = 1.
max_lag
Numero intero che indica il numero massimo di periodi di ritardo (≥ 0) fino a
includere nel calcolo di Adstock.
n_times_output
Numero intero che indica il numero di periodi di tempo da includere
nel tensore di output. Non può superare il numero di periodi di tempo della
un argomento multimediale, ad esempio media.shape[-2]. I periodi di tempo di output
corrispondono ai periodi di tempo più recenti dell'argomento multimediale. Per
Ad esempio, media[..., -n_times_output:, :] rappresenta i contenuti multimediali
delle settimane di output.
Calcola la trasformazione di Adstock di un determinato tensore media.
Per i dati geografici g, il periodo di tempo t e il canale media m, viene calcolato Adstock
come adstock_{g,t,m} = sum_{i=0}^max_lag media_{g,t-i,m} alpha^i.
Arg
media
Tensore dei valori multimediali con dimensioni [..., n_geos,
n_media_times, n_media_channels]. Le dimensioni del batch (...) sono
facoltative, ma se vengono incluse le dimensioni del batch devono corrispondere
dimensioni del gruppo di alpha. Non è necessario aggiungere contenuti multimediali per un batch
anche se alpha contiene dimensioni del batch.
Resi
Tensore con dimensioni [..., n_geos, n_times_output, n_media_channels]
che rappresentano i contenuti multimediali trasformati di Adstock.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Mancano le informazioni di cui ho bisogno","missingTheInformationINeed","thumb-down"],["Troppo complicato/troppi passaggi","tooComplicatedTooManySteps","thumb-down"],["Obsoleti","outOfDate","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Problema relativo a esempi/codice","samplesCodeIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2024-11-10 UTC."],[],["The `AdstockTransformer` computes the Adstock transformation of media data. It takes `alpha` (decay rate), `max_lag` (lag periods), and `n_times_output` (output time periods) as input. The `forward` method calculates Adstock for each geo, time period, and media channel using the formula `sum_{i=0}^max_lag media_{g,t-i,m} alpha^i`. Input `media` is a tensor of media values. The output is a tensor representing Adstock-transformed media with specified dimensions.\n"],null,[]]