混合效应虚拟模型
项目描述
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)
项目详情
下载文件
下载适用于您平台的文件。如果您不确定选择哪个,请了解更多关于《安装包》的信息。
源分布
DumME-0.1.0.tar.gz (14.2 kB 查看哈希值)
构建发行版
DumME-0.1.0-py3-none-any.whl (12.2 kB 查看哈希值)
关闭
DumME-0.1.0.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 30b83ccfad3bc4cd2c2ed824226ef1efd1da205a03e102a7184d095a37941eab |
|
MD5 | 5886aa6a285b8333c47e184467a5f15c |
|
BLAKE2b-256 | dfd0cca14c29ae9e3342453307a76d1551e0faab1abdecb8d073a4e85ff06f0e |
关闭
DumME-0.1.0-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 92684bee7ba9a8a0f1c35e49cdb90b55c6960874f769ae73a4a7a39b8f071c4a |
|
MD5 | 188ae823ca17be894e1c7226904e6644 |
|
BLAKE2b-256 | 9c02c54fc6a17222cc484bb70ff1b83793a5b54530891c7e6efd7a82340237b4 |