meridian.model.adstock_hill.AdstockTransformer

计算媒体的 Adstock 转换。

继承自：AdstockHillTransformer

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

实参
alpha	一个张量，包含取值范围为 [0, 1) 的 alpha 形参，维度为 [..., n_media_channels]。批次维度 (...) 是可选的。请注意，系统允许 alpha = 0，因此可以将点质量先验设置为 0（即没有 Adstock）。不过，系统不允许 alpha = 1，因为尚未定义几何级数求和公式，并且没有合适的理由将点质量设置为 alpha = 1。
max_lag	一个整数，用于指示 Adstock 计算中要包含的最大滞后期数 (≥ 0)。
n_times_output	一个整数，用于指示输出张量中要包含的时间段数量。该值不得超过 media 实参的时间段数量，例如 media.shape[-2]。输出时间段对应于 media 实参中最近的时间段。例如，media[..., -n_times_output:, :] 表示输出周的媒体执行情况。

方法

forward

查看源代码

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

计算给定 media 张量的 Adstock 转换。

对于地理位置 g、时间段 t 和媒体渠道 m，Adstock 的计算方法为 adstock_{g,t,m} = sum_{i=0}^max_lag media_{g,t-i,m} alpha^i。

注意：可以在 Adstock 之前或之后应用 Hill 函数。如果先应用 Hill 函数，则 Adstock 媒体输入可能包含批次维度，因为转换后的媒体张量将因后验样本而异。

实参
media	媒体值的张量，维度为 [..., n_geos, n_media_times, n_media_channels]。批次维度 (...) 是可选的，但如果包含批次维度，它们必须与 alpha 的批次维度保持一致。即使 alpha 包含批次维度，media 也并非必须包含批次维度。

返回结果
维度为 [..., n_geos, n_times_output, n_media_channels] 的张量，表示经过 Adstock 转换的媒体。