statsmodels.base.distributed_estimation.DistributedModel¶

class statsmodels.base.distributed_estimation.DistributedModel(partitions, model_class=None, init_kwds=None, estimation_method=None, estimation_kwds=None, join_method=None, join_kwds=None, results_class=None, results_kwds=None)[source]¶

分布式模型类

Parameters:¶

partitionsscalar

数据将被分割成的分区数量。

model_classstatsmodels model class

用于估计的模型类。如果为 None，则默认为 OLS。

init_kwdsdict-like or None

初始化模型所需的关键字，除了endog和exog。

init_kwds_generatorgenerator or None

额外的关键词生成器，生成可能根据数据分区变化的模型初始化参数。当前的用例是用于WLS和GLS

estimation_methodfunction or None

执行每个分区估计的方法。 如果为 None，则默认为 _est_regularized_debiased。

estimation_kwdsdict-like or None

要传递给estimation_method的关键字。

join_methodfunction or None

用于重新组合每个分区结果的方法。 如果为 None，则默认为 _join_debiased。

join_kwdsdict-like or None

传递给 join_method 的关键字。

results_classresults class or None

应返回的结果类。如果为 None，则默认为 RegularizedResults。

results_kwdsdict-like or None

传递给结果类的关键字。

Attributes:¶

partitionsscalar

查看参数。

model_classstatsmodels model class

查看参数。

init_kwdsdict-like

查看参数。

init_kwds_generatorgenerator or None

查看参数。

estimation_methodfunction

查看参数。

estimation_kwdsdict-like

查看参数。

join_methodfunction

查看参数。

join_kwdsdict-like

查看参数。

results_classresults class

查看参数。

results_kwdsdict-like

查看参数。

方法

fit(data_generator[, fit_kwds, ...])	使用相应的 DistributedModel 执行分布式估计
fit_joblib(data_generator, fit_kwds, ...[, ...])	使用joblib并行执行分布式估计
fit_sequential(data_generator, fit_kwds[, ...])	依次使用相应的 DistributedModel 执行分布式估计