MMM.ajuste_aproximado

MMM.approximate_fit(X, y=None, progressbar=None, random_seed=None, *, fit_kwargs=None, sample_kwargs=None)

Ajuste un modelo utilizando Inferencia Variacional y devuelva InferenceData.

Esto realiza inferencia variacional a través de pymc.fit, luego extrae muestras posteriores de la aproximación ajustada a través de Approximation.sample, devolviendo un arviz.InferenceData compatible con el resto de la API (misma estructura que .fit).

Parámetros:

Xnumpy:array_like | arreglo, forma (n_obs, n_features)

Las muestras de entrada de entrenamiento. Si scikit-learn está disponible, tipo array, de lo contrario, array.

ynumpy:array_like | arreglo, forma (n_obs,)

Los valores objetivo (números reales). Si scikit-learn está disponible, tipo array, de lo contrario, array.

barra de progreso : bool, opcionalbool, opcional

Especifica si se debe mostrar la barra de progreso de ajuste/muestra. Por defecto es True.

random_seed : Opcional[RandomState]Opcional[RandomState]

Proporciona procedimientos estocásticos con una semilla aleatoria inicial para la reproducibilidad.

fit_kwargs : dict, opcionalpython:dict, opcional

Argumentos adicionales de palabras clave enviados a pymc.fit (por ejemplo, {«n»: 10_000, «method»: «advi»}).

sample_kwargs : dict, opcionalpython:dict, opcional

Argumentos adicionales de palabras clave enviados a Approximation.sample (por ejemplo, {«draws»: 1_000}).

Devoluciones:

az.InferenceData

Datos de inferencia del modelo ajustado variacionalmente.