NoAdstock#

class pymc_marketing.mmm.components.adstock.NoAdstock(l_max=FieldInfo(annotation=NoneType, required=True, description='Maximum lag for the adstock transformation.', metadata=[Gt(gt=0)]), normalize=FieldInfo(annotation=NoneType, required=False, default=True, description='Whether to normalize the adstock values.'), mode=FieldInfo(annotation=NoneType, required=False, default=<ConvMode.After: 'After'>, description='Convolution mode.'), priors=FieldInfo(annotation=NoneType, required=False, default=None, description='Priors for the parameters.'), prefix=FieldInfo(annotation=NoneType, required=False, default=None, description='Prefix for the parameters.'))[fuente]#

Envoltura alrededor de la transformación sin adstock.

Métodos

`NoAdstock.__init__`([l_max, normalizar, modo, ...])
`NoAdstock.apply`(x, *[, dims, core_dim, idx])	Llamar dentro de un contexto de modelo.
`NoAdstock.from_dict`(data)	Reconstruct an adstock transformation from a dict.
`NoAdstock.function`(x, *[, dim])	Sin función de adstock.
`NoAdstock.plot_curve`(curve[, n_samples, ...])	Trazar curva HDI y muestras.
`NoAdstock.plot_curve_hdi`(curva[, ...])	Trace el IDH de la curva.
`NoAdstock.plot_curve_samples`(curve[, n, ...])	Trazar muestras de la curva.
`NoAdstock.sample_curve`(parámetros[, cantidad])	Muestre la transformación de adstock dados los parámetros.
`NoAdstock.sample_prior`([coords])	Muestre las distribuciones a priori para la transformación.
`NoAdstock.set_dims_for_all_priors`(dims)	Establezca las dimensiones para todos los priors.
`NoAdstock.to_dict`([_orig])	Convierte la transformación de adstock a un diccionario.
`NoAdstock.update_priors`(priors)	Actualizar las prioridades para la transformación sin adstock.
`NoAdstock.with_default_prior_dims`(dims)	Return a copy with default prior dims (dims=None) set to `dims` instead.
`NoAdstock.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.
`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.