Saturación de Michaelis-Menten#

class pymc_marketing.mmm.components.saturation.MichaelisMentenSaturation(priors=None, prefix=None)[fuente]#

Envoltorio alrededor de la función de saturación de Michaelis-Menten.

Para más información, consulte pymc_marketing.mmm.transformers.michaelis_menten().

(Source code, png, hires.png, pdf)

../../_images/pymc_marketing-mmm-components-saturation-MichaelisMentenSaturation-1.png

Métodos

MichaelisMentenSaturation.__init__([priors, ...])

MichaelisMentenSaturation.apply(x, *[, ...])

Llamar dentro de un contexto de modelo.

MichaelisMentenSaturation.function(x, alpha, ...)

Función de saturación de Michaelis-Menten.

MichaelisMentenSaturation.plot_curve(curva)

Trazar la curva del IDH y las muestras.

MichaelisMentenSaturation.plot_curve_hdi(curva)

Trace el IDH de la curva.

MichaelisMentenSaturation.plot_curve_samples(curva)

Trazar muestras de la curva.

MichaelisMentenSaturation.sample_curve([...])

Muestre la curva de la transformación de saturación dadas las parámetros.

MichaelisMentenSaturation.sample_prior([coords])

Muestre las distribuciones a priori para la transformación.

MichaelisMentenSaturation.set_dims_for_all_priors(dims)

Establezca las dimensiones para todos los antecedentes.

MichaelisMentenSaturation.to_dict()

Convierte la transformación a un diccionario.

MichaelisMentenSaturation.update_priors(priors)

Actualice los priors para una función después de la inicialización.

MichaelisMentenSaturation.with_default_prior_dims(dims)

Return a copy with default prior dims (dims=None) set to dims instead.

MichaelisMentenSaturation.with_updated_priors(priors)

Return a copy with updated priors.

Atributos

combined_dims

Obtenga las dimensiones combinadas para todos los parámetros.

default_priors

function_priors

Obtenga los priors para la función.

lookup_name

model_config

Mapeo del nombre de la variable a la prior para el modelo.

prefix

priors

Obtenga los priors para la función.

variable_mapping

Mapeo del nombre del parámetro al nombre de la variable en el modelo.