Если Вы не знакомы с идеей, лежащей в основе прогнозирующей оценки мощности, я настоятельно рекомендую ознакомиться с этой статьей. Это невероятный инструмент машинного обучения для поиска нелинейных отношений между двумя функциями и получения полезной информации о ваших данных.

Как упоминается в статье, библиотека Python ppscore, отличный инструмент для упрощения вычислений, использует классификатор дерева решений и регрессор дерева решений в качестве моделей по умолчанию для поиска оценка мощности между функциями. Если мы посмотрим на код библиотеки на github, то обнаружим, что она использует реализацию SKlearn для моделей.

Это означает, что мы можем использовать практически любую модель с тем же интерфейсом, что и модуль дерева Sklearn, для расчета ppscore!

Чтобы изменить модель, мы просто меняем экземпляр классификатора или регрессора, который хранится в словаре внутри модуля ppscore.

pps.calculation.VALID_CALCULATIONS[“regression”][“model”]
pps.calculation.VALID_CALCULATIONS["classification"]["model"]

Например, мы можем передать экземпляр модели xgboost в качестве новой модели.