log_mmm_métricas_de_evaluación#

pymc_marketing.mlflow.log_mmm_evaluation_metrics(y_true, y_pred, metrics_to_calculate=None, hdi_prob=0.94, prefix='')[fuente]#

Registrar métricas de evaluación producidas por pymc_marketing.mmm.evaluation.compute_summary_metrics() en MLflow.

Parámetros:
y_truenpt.NDArray | pd.Series

Los verdaderos valores de la variable objetivo.

y_prednpt.NDArray | xr.DataArray

Los valores predichos de la variable objetivo.

métricas_a_calcular : list de str o None, opcionalpython:lista de python:str o python:None, opcional

Lista de métricas a calcular. Si es None, se calcularán todas las métricas disponibles. Las opciones incluyen:

  • r_squared: R-cuadrado bayesiano.

  • rmse: Error Cuadrático Medio.

  • nrmse: Error Cuadrático Medio Normalizado.

  • mae: Error Absoluto Medio.

  • nmae: Error Absoluto Medio Normalizado.

  • mape: Error Porcentual Absoluto Medio.

hdi_prob : float, opcionalpython:float, opcional

La masa de probabilidad del intervalo de mayor densidad. Por defecto es 0.94.

prefijo : str, opcionalpython:str, opcional

Prefijo a añadir a los nombres de las métricas. Por defecto es «».

Ejemplos

Métricas de evaluación de muestra de inicio de sesión para un modelo MMM de PyMC-Marketing:

import mlflow

from pymc_marketing.mmm import MMM

mmm = MMM(...)
mmm.fit(X, y)

predictions = mmm.sample_posterior_predictive(X)

with mlflow.start_run():
    log_mmm_evaluation_metrics(y, predictions["y"])