CLVModel

class pymc_marketing.clv.models.basic.CLVModel(data=None, *, model_config=None, sampler_config=None, non_distributions=None)

Clase base del modelo CLV.

Métodos

CLVModel.__init__([data, model_config, ...])	Inicializar la configuración del modelo y la configuración del muestreador para el modelo.
CLVModel.attrs_to_init_kwargs(attrs)	Convierte la configuración del modelo y la configuración del muestreador de los atributos a argumentos de palabra clave.
CLVModel.build_from_idata(idata)	Construya el modelo a partir del objeto InferenceData.
CLVModel.build_model(**kwargs)	Cree una instancia de pm.Model basada en los datos proporcionados y en model_config.
CLVModel.create_idata_attrs()	Cree atributos para los datos de inferencia.
CLVModel.fit([data, method, fit_method])	Inferir la posterior del modelo.
CLVModel.fit_summary(**kwargs)	Calcule el resumen del resultado del ajuste.
CLVModel.graphviz(**kwargs)	Obtenga la representación graphviz del modelo.
CLVModel.idata_to_init_kwargs(idata)	Cree los kwargs de inicialización a partir de un objeto InferenceData.
CLVModel.load(fname[, check])	Cree una instancia de ModelBuilder a partir de un archivo.
CLVModel.load_from_idata(idata[, verificar])	Cree una instancia de ModelBuilder a partir de un objeto InferenceData.
CLVModel.save(fname, **kwargs)	Guarde los datos de inferencia del modelo en un archivo.
CLVModel.set_idata_attrs([idata])	Establecer atributos en un objeto InferenceData.
CLVModel.table(**model_table_kwargs)	Obtenga la tabla resumen del modelo.
CLVModel.thin_fit_result(mantener_cada)	Devuelva una copia del modelo con un resultado de ajuste reducido.

Atributos

default_model_config	Devuelve un diccionario de configuración predeterminado de la clase.
default_sampler_config	Configuración de muestreador predeterminada.
fit_result	Obtenga el resultado de ajuste posterior fit_result.
id	Generar un valor hash único para el modelo.
posterior
posterior_predictive
predictions
prior
prior_predictive
version
idata
sampler_config
model_config