基于价值的优先顺序
vbp的Python项目详细描述
ValueBasedPriorization
文章
学术文章：https://github.com/freeradical13/ValueBasedPrioritization/raw/master/value_based_prioritization.pdf
安装
pip3 install vbp
vbp
基于值的优先级（vbp）使用值理论来量化
确定潜在行动的优先顺序以实现目标。
可以从命令行使用vbp.run模块来执行
不同的vbp操作，例如列出操作（list），计数
动作（count），预测值（predict），运行建模的vbp
（modeled_value_based_prioritization）等等。有关用法，请运行：
python3 -m vbp.run
任何非终端输出都会转到vbpoutput子文件夹。
下面是一个简单的例子，计算 美国违约数据的潜在死亡原因 类型：
python3 -m vbp.run count UCODUnitedStates
或者，如果通过pip安装，则vbp脚本包装器可以
使用：
vbp count UCODUnitedStates
上面的学术文章包括脚注，详细说明了如何
运行vbp生成每个步骤的输出。
此包提供要运行的抽象类和实用程序方法 vbp，主要集中在使用时间序列数据 预测未来的价值，并根据相关的 预测值。
vbp.DataSource类是vbp的基本抽象类。
抽象类继承自
vbp.DataSource可用于建模的vbp。这个
vbp.ExampleDataSource类演示了一个简单的基于数据源的
在vbp.TimeSeriesDataSource上。
内置的建模VBP包括
美国（vbp.ucod.united_states.UCODUnitedStates）和
世界（vbp.ucod.world.UCODWorld）。这些
数据源都继承自
从vbp.TimeSeriesDataSource继承。
运行
模型类型由--ets、--ols和/或--prophet指定。
它们不是互斥的；如果在
modeled_value_based_prioritization，取
结果。默认值是--ets。
默认情况下，操作名称会被模糊化，以减少模型期间的偏差。
建造和测试。指定--do-not-obfuscate以显示实际名称。
某些数据源具有不同的数据类型（例如互斥
数据分组）。在数据源之前添加-a参数
为所有数据类型运行的名称。在后面添加--data-type X参数
指定特定数据类型的数据源名称。
一般来说，可以指定一个操作列表来运行 列表；否则，如果没有这样的列表，则处理所有操作。
示例：
python3 -m vbp.run modeled_value_based_prioritization UCODUnitedStates
python3 -m vbp.run modeled_value_based_prioritization UCODUnitedStates --do-not-obfuscate "Heart disease" Cancer
指数平滑
python3 -m vbp.run modeled_value_based_prioritization ${DATA_SOURCE} --ets
指定--ets-no-multiplicative-models以仅使用加法模型。
指定--ets-no-additive-models仅使用乘法模型。
线性回归
python3 -m vbp.run modeled_value_based_prioritization ${DATA_SOURCE} --ols
指定--ols-max-degrees X以模拟更高的学位。
先知
python3 -m vbp.run modeled_value_based_prioritization ${DATA_SOURCE} --prophet
美国
截至2019年3月1日，解压缩的美国死亡率数据消耗约36GB 磁盘。当一个函数 是需要的。
长期、可比、主要死因
为生成data/ucod/united_states/comparable_data_since_1959.xlsx
所有长期、可比、主要死因
https://www.cdc.gov/nchs/data/dvs/lead1900_98.pdf：
python3 -m vbp.run prepare_data UCODUnitedStates
第1900:1957行和页Comparability Ratiosin
data/ucod/united_states/comparable_ucod_estimates.xlsx是手动的
来自https://www.cdc.gov/nchs/data/dvs/lead1900_98.pdf的输入
打开comparable_data_since_1959.xlsx并复制1959行：present。
打开comparable_ucod_estimates.xlsx并粘贴到顶部开始
1959年。
用它处理comparable_ucod_estimates.xlsxComparability Ratios要生成的工作表
comparable_ucod_estimates_ratios_applied.xlsx：
python3 -m vbp.run prepare_data UCODUnitedStates --comparable-ratios
最终输出：
python3 -m vbp.run modeled_value_based_prioritization UCODUnitedStates --data-type UCOD_LONGTERM_COMPARABLE_LEADING
世界
截至2019年3月1日，解压缩后的世界死亡率数据消耗了约320MB 磁盘。当一个函数 是需要的。
在测试时，编写数据电子表格需要很多时间，而且可能 避免使用--不要编写电子表格。
创建新的数据源
查看vbp/example.py以获取一个简单的示例。基本过程是：
- 在somename.py中创建vbp.datasource的子类
- 实现所有
@abc.abstractmethodm以身作则 其他需要的超类方法。 - 在vbp/run.py顶部导入somename.py
开发
先决条件：
pip3 install numpy pandas matplotlib statsmodels scipy fbprophet
更新pypi包：
# Edit version in setup.py and __init__.py
python3 setup.py bdist bdist_wheel
python3 -m twine upload --skip-existing dist/*
# https://pypi.org/project/vbp/
欢迎加入QQ群-->： 979659372
