加入新推出的
Discord 社区,展开实时讨论,获得同行支持,并直接与 Meridian 团队互动!
meridian.model.media.RfTensors
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
用于存储覆盖面和频次 (RF) 媒体张量的容器。
meridian.model.media.RfTensors(
reach: (tf.Tensor | None) = None,
frequency: (tf.Tensor | None) = None,
rf_spend: (tf.Tensor | None) = None,
reach_transformer: (meridian.model.transformers.MediaTransformer
| None) = None,
reach_scaled: (tf.Tensor | None) = None,
reach_counterfactual: (tf.Tensor | None) = None,
reach_counterfactual_scaled: (tf.Tensor | None) = None,
rf_spend_counterfactual: (tf.Tensor | None) = None
)
属性 |
reach
|
通过 InputData.reach 构造的张量。
|
frequency
|
通过 InputData.frequency 构造的张量。
|
rf_spend
|
通过 InputData.rf_spend 构造的张量。
|
reach_transformer
|
一个 MediaTransformer ,用于使用模型的 RF 数据缩放 RF 张量。
|
reach_scaled
|
按人口和中位数值归一化的覆盖面张量。
|
reach_counterfactual
|
具有媒体反事实值的覆盖面张量。如果使用的是投资回报率先验,则 R&F 渠道的投资回报率基于 reach 张量与此 reach_counterfactual 张量之间的预期销售额差异计算得出。
|
reach_counterfactual_scaled
|
具有媒体反事实缩放值的覆盖面张量。
|
rf_spend_counterfactual
|
具有媒体支出反事实值的覆盖面张量。如果使用的是投资回报率先验,则 R&F 渠道的投资回报率基于 rf_spend 张量与此 rf_spend_counterfactual 张量之间的支出差异计算得出。 |
方法
__eq__
__eq__(
other
)
返回 self==value。
类变量 |
frequency
|
None
|
reach
|
None
|
reach_counterfactual
|
None
|
reach_counterfactual_scaled
|
None
|
reach_scaled
|
None
|
reach_transformer
|
None
|
rf_spend
|
None
|
rf_spend_counterfactual
|
None
|
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2025-01-25。
[null,null,["最后更新时间 (UTC):2025-01-25。"],[],[],null,[]]