Rejoignez la nouvelle communauté
Discord pour discuter en temps réel, obtenir l'aide de vos pairs et communiquer directement avec l'équipe Meridian.
meridian.model.knots.l1_distance_weights
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Calcule les pondérations au niveau des nœuds pour chaque période.
meridian.model.knots.l1_distance_weights(
n_times: int, knot_locations: np.ndarray[int, np.dtype[int]]
) -> np.ndarray
Les deux nœuds voisins fournissent l'estimation de pondération pour une période donnée. L'estimation fournie par chacun de ces deux nœuds à un certain moment dépend de leur proximité (distance L1) par rapport à la période. Si un point temporel coïncide avec la position d'un nœud, la pondération de ce nœud est de 100 %. Si un point temporel se trouve en dehors de la plage de nœuds, le nœud du point de terminaison le plus proche est pondéré à 100 %.
Cette fonction calcule un tableau de pondérations (n_knots, n_times)
qui permet de modéliser la tendance et la saisonnalité. Pour un point temporel donné, le tableau contient deux pondérations non nulles. Les pondérations sont inversement proportionnelles à la distance L1 entre le point temporel et les nœuds voisins. Les deux pondérations sont normalisées de sorte que leur somme soit égale à 1.
Args |
n_times
|
Nombre de points temporels.
|
knot_locations
|
Emplacement des nœuds dans la plage 0, 1, 2,..., (n_times-1) .
|
Renvoie |
Un tableau de pondérations avec des dimensions (n_knots, n_times) dont la somme des valeurs est égale à 1 pour chaque période sur l'ensemble des nœuds.
|
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/01/25 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Il n'y a pas l'information dont j'ai besoin","missingTheInformationINeed","thumb-down"],["Trop compliqué/Trop d'étapes","tooComplicatedTooManySteps","thumb-down"],["Obsolète","outOfDate","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Mauvais exemple/Erreur de code","samplesCodeIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/01/25 (UTC)."],[],["The `l1_distance_weights` function calculates weights for each time period based on neighboring knots. It outputs a `(n_knots, n_times)` array, where each time period's weight is influenced by the two closest knots. Weights are inversely proportional to the L1 distance from the time period to the knots and normalized to sum to 1. If a time point is at a knot, that knot gets 100% weight; outside the knot range, the nearest endpoint knot gets 100%.\n"],null,[]]