econml.inference._bootstrap

自助抽样。

类

BootstrapEstimator(wrapped[, ...])

使用自助抽样来包装现有估计器的估计器。
class econml.inference._bootstrap.BootstrapEstimator(wrapped, n_bootstrap_samples=100, n_jobs=None, verbose=0, compute_means=True, bootstrap_type='pivot')[source]

基类：object

使用自助抽样来包装现有估计器的估计器。

此估计器提供了与包装的估计器具有相同签名的 fit 方法。

自助法估计器还将包装包装的估计器的所有其他方法和属性，并返回抽样计算结果的平均值（对于非数值输出将失败）。

它还将为包装的估计器的每个方法或属性提供一个后缀为 _interval 的包装方法，该方法或属性接受两个额外的可选关键字参数 lower 和 upper，用于指定区间的百分位数，并使用 np.percentile 返回基于抽样计算结果的相应下限和上限。例如，如果底层估计器支持签名 (X,T) -> Y 的 effect 方法，则此类别将提供一个伪签名 (lower=5, upper=95, X, T) -> (Y, Y) 的 effect_interval 方法（其中 lower 和 upper 不能作为位置参数提供）。

参数

  • wrapped (对象) – 用于估计的克隆的基础。此对象必须支持一个 fit 方法，该方法接受具有一致第一个维度的 numpy 数组作为参数。

  • n_bootstrap_samples (整数，默认值：100) – 执行的抽样次数。

  • n_jobs (整数，默认值：None) – 并发运行的最大作业数，类似于 joblib.Parallel。

  • verbose (整数，默认值：0) – 详细程度

  • compute_means (布尔值，默认值：True) – 是否将调用传递给底层集合并返回平均值。将其设置为 False 可以避免包装对象本身的方法名带有 _interval 后缀时出现的歧义。

  • bootstrap_type (‘percentile’, ‘pivot’ 或 ‘normal’，默认值 ‘pivot’) – 用于计算结果的自助法方法。‘percentile’ 将使用统计量重复计算的经验 CDF。‘pivot’ 也将使用重复计算结果，但会创建一个同时依赖于整个数据集估计值的枢轴区间。‘normal’ 将假定重复计算结果符合正态分布来计算区间。

fit(*args, **named_args)[source]

拟合模型。

此方法的完整签名与包装对象的 fit 方法的签名相同。