prior_variable_en_el_tiempo#

pymc_marketing.mmm.tvp.time_varying_prior(name, X, dims, X_mid=None, hsgp_kwargs=None)[fuente]#

Prior variable en el tiempo, basado en el Proceso Gaussiano del Espacio de Hilbert (HSGP).

Para más información, consulte pymc.gp.HSGP.

Parámetros:
nombre : strstr

Nombre de la variable anterior y las variables asociadas.

X : 1d array_like de int o float1d array_like of int or float

Puntos de tiempo.

X_mid : int o floatpython:int o python:float

Punto medio de los puntos de tiempo.

dims : tuple de str o strpython:tupla de python:str o python:str

Dimensiones del previo. Si es una tupla, el primer elemento es el nombre de la dimensión temporal, y el segundo puede ser cualquier otra dimensión, a través de la cual se desean previos que varían en el tiempo de manera independiente para cada coordenada (por ejemplo, canales).

hsgp_kwargsHSGPKwargs

Argumentos de palabras clave para el Proceso Gaussiano del Espacio de Hilbert. Por defecto, es None, en cuyo caso se utilizan los parámetros predeterminados. Consulte HSGPKwargs para más información.

Devoluciones:
XTensorVariable

Prior variable en el tiempo.

Referencias

  • Ruitort-Mayol, G., Anderson, M., Solin, A. y Vehtari, A. (2022). Procesos Gaussianos Bayesianos Aproximados en Espacios de Hilbert Prácticos para Programación Probabilística

  • Solin, A., Sarkka, S. (2019) Métodos de espacio de Hilbert para la regresión de procesos gaussianos de rango reducido.