当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python mxnet.ndarray.op.random_pdf_generalized_negative_binomial用法及代码示例


用法:

mxnet.ndarray.op.random_pdf_generalized_negative_binomial(sample=None, mu=None, alpha=None, is_log=_Null, out=None, name=None, **kwargs)

参数

  • sample(NDArray) - 来自分布的样本。
  • mu(NDArray) - 分布的平均值。
  • is_log(boolean, optional, default=0) - 如果设置,则计算 log-probability 的密度而不是概率。
  • alpha(NDArray) - 分布的 Alpha(分散)参数。
  • out(NDArray, optional) - 输出 NDArray 来保存结果。

返回

out- 此函数的输出。

返回类型

NDArray 或 NDArray 列表

使用参数 mu(均值)和 alpha(离散度)计算广义负二项分布的 sample 的 PDF 值。这可以理解为对负二项式的重新参数化,其中 k = 1 / alphap = 1 / (mu * alpha + 1)

mualpha 必须具有相同的形状,必须与 sample 的最左侧子形状匹配。也就是说,sample 可以具有与 mualpha 相同的形状,在这种情况下,输出包含每个分布的一个密度,或者 sample 可以是具有该形状的张量的张量,在这种情况下,输出是密度的张量,使得输出中索引 i 处的密度由 sample 中索引 i 处的样本给出,该样本由索引 i 处的 mualpha 的值参数化。

例子:

random_pdf_generalized_negative_binomial(sample=[[1, 2, 3, 4]], alpha=[1], mu=[1]) =
    [[0.25, 0.125, 0.0625, 0.03125]]

sample = [[1,2,3,4],
          [1,2,3,4]]
random_pdf_generalized_negative_binomial(sample=sample, alpha=[1, 0.6666], mu=[1, 1.5]) =
    [[0.25,       0.125,      0.0625,     0.03125   ],
     [0.26517063, 0.16573331, 0.09667706, 0.05437994]]

相关用法


注:本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.ndarray.op.random_pdf_generalized_negative_binomial。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。