per_observación_crps#

pymc_marketing.metrics.per_observation_crps(y_true, y_pred)[fuente]#

Calcule la puntuación de probabilidad clasificada continua (CRPS) para cada observación.

El CRPS — Puntaje de Probabilidad Clasificada Continua — es una función de puntuación que compara un único valor de verdad fundamental con una Función de Distribución Acumulativa.

Parámetros:

y_truenumpy:similar_a_array: Los valores de la verdad fundamental.
y_prednumpy:similar_a_array: Los valores predichos. Se espera que y_pred tenga una dimensión de muestra adicional a la izquierda.

Devoluciones:

array_like: El CRPS para cada observación.

Referencias

Esta implementación es una adaptación mínima de la que se encuentra en el proyecto Pyro: https://docs.pyro.ai/en/dev/_modules/pyro/ops/stats.html#crps_empirical
Para una introducción al CRPS, consulte https://towardsdatascience.com/crps-a-scoring-function-for-bayesian-machine-learning-models-dd55a7a337a8

Ejemplos

import numpy as np

from pymc_marketing.metrics import per_observation_crps

# y_true shape is (3,)
y_true = np.array([1, 1, 1])
# y_pred shape is (10, 3). The extra dimension on the left is the number of samples.
y_pred = np.repeat(np.array([[0, 1, 0]]), 10, axis=0)

# The result has shape (3,), one value per observation.
per_observation_crps(y_true, y_pred)

>> array([1., 0., 1.])