ツール

当社のツールコレクションには、ユーザー向けの便利な関数と、主に内部使用のために記述された関数が含まれています。

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も独自のツールモジュールがあります。たとえば、statsmodels.tsa.tsatoolsなどです。

モジュールリファレンス

基本ツール tools

これらは基本的で雑多なツールです。完全なインポートパスは、statsmodels.tools.toolsです。

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

配列に1の列を追加します。

次のグループは、ほとんどが個別にテストされていない、または十分にテストされていないヘルパー関数です。

tools.clean0(matrix)

ゼロの列を消去します。擬似逆行列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)コントラストcが(N, P)設計dに対して推定可能である場合はTrue。

tools.recipr(x)

0以下のエントリを持つ配列の逆数を0に設定します。

tools.recipr0(x)

0未満のエントリを持つ配列の逆数を0に設定します。

tools.unsqueeze(data, axis, oldshape)

折りたたまれた配列をアンシュイーズします。

数値微分

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

関数の勾配、または関数fが1次元配列を返す場合はヤコビアン

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ッセ行列の計算

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

有限差分微分近似によるヘッセ行列の計算

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

有限差分微分近似によるヘッセ行列の計算

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

複素ステップ微分近似によるヘッセ行列の計算

適合度評価指標 eval_measures

このモジュールの最初の関数グループは、情報量基準、aic、bic、hqicのスタンドアロンバージョンです。_sigmaサフィックス付きの関数は誤差二乗和を引数として取り、サフィックスなしの関数は対数尤度llfの値を引数として取ります。

2番目の関数グループは、適合度または予測パフォーマンスの指標であり、ほとんどが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つの配列の差に対するパフォーマンスまたは距離統計量を計算します。たとえば、モンテカルロまたはクロスバリデーションの場合、最初の配列は異なる複製またはドローに対する推定結果になり、2番目の配列は真の値または観測値になります。

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)

小サンプル補正付き赤池情報量基準 (AIC)

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

小サンプル補正付き赤池情報量基準 (AIC)

eval_measures.bic(llf, nobs, df_modelwc)

ベイジアン情報量基準 (BIC) またはシュワルツ基準

eval_measures.bic_sigma(sigma2, nobs, df_modelwc)

ベイジアン情報量基準 (BIC) またはシュワルツ基準

eval_measures.hqic(llf, nobs, df_modelwc)

ハンナン-クイン情報量基準 (HQC)

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

ハンナン-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])

中央絶対誤差

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

中央バイアス、中央誤差

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: 2024年10月3日