杜姆ME：混合效应虚拟模型

这是MERF（《https://github.com/manifoldai/merf》）的一个改编版本。主要区别在于这个版本完全符合scikit-learn API。

其他区别包括

• 名称：MERF更名为更通用的MixedEffectsModel
• 默认固定效应模型：虚拟模型而不是随机森林
• 包结构：简化到核心，然后升级到使用现代标准
• 测试套件：使用pytest而不是unittest

[注意] 我们目前没有维护或进一步开发此版本。理想情况下，我们会将我们的更改贡献给MERF的原始版本（见《https://github.com/manifoldai/merf/issues/68》）。如果您想在此基础上构建或与我们合作，请与我们联系。

使用此版本

通过github安装

pip install git+https://github.com/phenology/merf

实例化虚拟模型

from dumme.dumme import MixedEffectsModel
from dumme.utils import DummeDataGenerator

# Get some sample data
dg = DummeDataGenerator(m=0.6, sigma_b=4.5, sigma_e=1)
df, _ = dg.generate_split_samples([1, 3], [3, 2], [1, 1])
y = df.pop("y")
x = df

# Fit a dummy model
# Notice the signature of the `fit` method: first X and y, and the other args are optional.
me_dummy = MixedEffectsModel()
me_dummy.fit(X, y)

# or
me_dummy.fit(X, y, cluster_column="cluster", fixed_effects=["X_0", "X_1", "X_2"], random_effects=["Z"])

# Predict only accepts X as input. It is assumed new data is structured
# in the same way as the original training data.
new_X = X.copy()
me_dummy.predict(new_X)

要获得“原始”MERF（但仍然具有新的fit签名）

from sklearn.ensemble import RandomForestRegressor

rf = RandomForestRegressor(n_estimators=300, n_jobs=-1)
me_rf = MixedEffectsModel(rf)
me_rf.fit(X, y)