ツール

私たちのツールコレクションには、ユーザのための便利な機能や、主に内部で使用するために書かれた機能が含まれています。

このツール ディレクトリに加えて、他のいくつかのサブパッケージには独自のツール モジュールがあります。たとえば、 statsmodels.tsa.tsatools

モジュールリファレンス

基本的なツール tools

これらは基本的なツールとその他のツールです。完全なインポートパスは statsmodels.tools. tools です。

tools.add_constant(data[, prepend, has_constant])

1 の列を配列に追加します。

次のグループは主に、個別にテストされていない、またはテストが不十分なヘルパー関数です。

tools.clean0(matrix)

ゼロの列を消去: 擬似逆変換で時間を節約できます。

tools.fullrank(x[, r])

列スパンが x と同じである配列を返します。

tools.isestimable(c, d)

(Q, P) 対比 c が (N, P) デザイン d に対して推定可能な場合は真です。

tools.recipr(x)

0 以下のエントリを持つ配列の逆数は 0 に設定されます。

tools.recipr0(x)

0 未満のエントリを含む配列の逆数は 0 に設定されます。

tools.unsqueeze(data, axis, oldshape)

折りたたまれた配列を圧縮解除します。

数値微分

numdiff.approx_fprime(x, f[, epsilon, args, ...])

関数の勾配、または関数 f が 1d 配列を返す場合のヤコビアン

numdiff.approx_fprime_cs(x, f[, epsilon, ...])

複素ステップ微分近似による勾配またはヤコビアンの計算

numdiff.approx_hess1(x, f[, epsilon, args, ...])

有限差分微分近似によるヘシアンの計算

numdiff.approx_hess2(x, f[, epsilon, args, ...])

有限差分微分近似によるヘシアンの計算

numdiff.approx_hess3(x, f[, epsilon, args, ...])

有限差分微分近似によるヘシアンの計算

numdiff.approx_hess_cs(x, f[, epsilon, ...])

有限差分微分近似によるヘシアンの計算

フィットパフォーマンスの測定 eval_measures

このモジュールの関数の最初のグループは、aic bicとhqicという情報基準の独立したバージョンです。 _sigma という接尾辞を持つ関数は誤差の平方和を引数とし、そうでないものは対数尤度 llf の値を引数とします。

関数の2番目のグループは、適合性または予測性能の測定であり、ほとんどの場合、ヘルパー関数として使用される１行コードです。これらはすべて、2つの配列間の差の性能または距離の統計を計算します。たとえば、モンテカルロまたは交差検証の場合、最初の配列は異なる複製または描画の推定結果であり、2番目の配列は真の値または観測値です。

eval_measures.aic(llf, nobs, df_modelwc)

赤池情報量基準

eval_measures.aic_sigma(sigma2, nobs, df_modelwc)

赤池情報量基準

eval_measures.aicc(llf, nobs, df_modelwc)

サンプル補正が小さい赤池情報量基準 (AIC)

eval_measures.aicc_sigma(sigma2, nobs, ...)

サンプル補正が小さい赤池情報量基準 (AIC)

eval_measures.bic(llf, nobs, df_modelwc)

ベイズ情報量基準 (BIC) またはシュワルツ基準

eval_measures.bic_sigma(sigma2, nobs, df_modelwc)

ベイズ情報量基準 (BIC) またはシュワルツ基準

eval_measures.hqic(llf, nobs, df_modelwc)

ハナン・クイン情報量基準 (HQC)

eval_measures.hqic_sigma(sigma2, nobs, ...)

ハナン・クイン情報量基準 (HQC)

eval_measures.bias(x1, x2[, axis])

バイアス、平均誤差

eval_measures.iqr(x1, x2[, axis])

誤差の四分位範囲

eval_measures.maxabs(x1, x2[, axis])

最大絶対誤差

eval_measures.meanabs(x1, x2[, axis])

平均絶対誤差

eval_measures.medianabs(x1, x2[, axis])

絶対誤差の中央値

eval_measures.medianbias(x1, x2[, axis])

中央値バイアス、中央値誤差

eval_measures.mse(x1, x2[, axis])

平均二乗誤差

eval_measures.rmse(x1, x2[, axis])

二乗平均平方根誤差

eval_measures.rmspe(y, y_hat[, axis, zeros])

二乗平均平方根パーセント誤差

eval_measures.stde(x1, x2[, ddof, axis])

誤差の標準偏差

eval_measures.vare(x1, x2[, ddof, axis])

誤差の分散
最終更新日: 2025年01月28日