Generalized Additive Models in Python (pyGAM)

pyGAM

Zovšeobecnené aditívne modely v Pythone.

Dokumentácia

• Oficiálna dokumentácia pyGAM: Prečítajte si dokumenty
• Vytváranie interpretovateľných modelov so zovšeobecnenými aditívnymi modelmi v Pythone

Inštalácia

|_+_|

ako znovu otvoriť svoj uzavretý hotovostný účet aplikácie

scikit-riedky

Na urýchlenie optimalizácie na veľkých modeloch s obmedzeniami pomáha mať |_+_| nainštalovaný, pretože obsahuje o niečo rýchlejšiu, riedku verziu Choleského faktorizácie. Dovoz z |_+_| referencie |_+_|, takže budete potrebovať aj to.

Najjednoduchší spôsob je použiť Conda:
|_+_|

scikit-sparse docs

Prispievanie – POŽADUJE SA POMOC

Príspevky sú veľmi vítané!

pyGAM môžete pomôcť mnohými spôsobmi vrátane:

• Pracuje sa na známej chybe.
• Skúšať to a hlásiť chyby alebo čo bolo ťažké.
• Pomáha zlepšovať dokumentáciu.
• Písanie nových distribúcií a odkazových funkcií.
• Ak potrebujete nejaké nápady, pozrite sa na problémy.

Začať:

rozvetviť projekta odrežte nový konár
• Teraz Inštalácia testovanie závislosti

Pomáha pridať a symbolický odkaz rozvetveného projektu na váš python cesta . Ak to chcete urobiť, mali by ste Inštalácia poletovať :

• |_+_|
• Potom z hlavného priečinka projektu (tj |_+_|) vykonajte: |_+_|

Urobte nejaké zmeny a napíšte test...

Testváš príspevok (napr. z |_+_|): |_+_|
• Keď ste spokojní so svojimi zmenami, urobte a vytiahnuť žiadosť do |_+_| vetva hlavného projektu.

O

Generalized Additive Models (GAM) sú hladké semiparametrické modely vo forme:

kde |_+_| sú nezávislé premenné, |_+_| je závislá premenná a |_+_| je spojovacia funkcia, ktorá spája naše prediktorové premenné s očakávanou hodnotou závislej premennej.

Funkcie funkcie |_+_| sú postavené pomocou penalizované B drážky , ktoré nám to umožňujú automaticky modelujú nelineárne vzťahy bez toho, aby ste museli manuálne skúšať veľa rôznych transformácií na každej premennej.

ako kúpiť vesmírnu kryptomenu

GAM rozširujú zovšeobecnené lineárne modely tým, že umožňujú nelineárne funkcie funkcií pri zachovaní aditivity. Keďže model je aditívny, je ľahké preskúmať účinok každého |_+_| dňa |_+_| individuálne, pričom všetky ostatné prediktory zostávajú konštantné.

Výsledkom je veľmi flexibilný model, do ktorého je ľahké začleniť predchádzajúce znalosti a kontrolu nadstavby.

Citujúc pyGAM

Zvážte citovanie pyGAM, ak vám to pomohlo vo vašom výskume alebo práci:

Daniel Serven a Charlie Brummitt. (27. marca 2018). pyGAM: Zovšeobecnené aditívne modely v Pythone. Zenodo. DOI: 10.5281/zenodo.1208723

BibTex:

Podrobnosti o stiahnutí:
Autor: dswah
Zdrojový kód: https://github.com/dswah/pyGAM
Licencia: Licencia Apache-2.0

#python