Python mxnet.ndarray.random.multinomial用法及代码示例

用法:
mxnet.ndarray.random.multinomial(data, shape=_Null, get_prob=False, out=None, dtype='int32', **kwargs)

参数：

data：(NDArray) - 一个n最后一个维度有长度的维度数组k，其中k是每个多项分布的可能结果的数量。例如，具有形状的数据(m, n, k)指定m*n多项分布，每个分布k可能的结果。
shape：(int or tuple of ints, optional) - 从每个分布中抽取的样本数。如果 shape 为空，将从每个分布中抽取一个样本。
get_prob：(bool, optional) - 如果为真，则还将返回包含抽取样本的对数似然的第二个数组。这通常用于强化学习，您可以在其中提供奖励作为头部梯度 w.r.t。这个数组来估计梯度。
out：(NDArray, optional) - 将输出存储到现有的 NDArray。
dtype：(str or numpy.dtype, optional) - 样本输出数组的数据类型。默认值为 int32。注意对数似然数组的数据类型与data.

对于具有 n 尺寸和形状 (d1, d2, …, dn-1, k) 的输入 data 以及具有形状 (s1, s2, …, sx) 的输入 shape ，返回具有形状 (d1, d2, … dn-1, s1, s2, …, sx) 的 NDArray。返回的 NDArray 的 s1, s2, … sx 维度由从 data 的 k 维度中提供的每个相应多项分布采样的 0 索引值组成。

对于案件n`=1, and `x`=1 (one shape dimension), returned NDArray has shape `(s1,).

如果 get_prob 设置为 True，则此函数返回格式列表：[ndarray_output, log_likelihood_output]，其中 log_likelihood_output 是与采样输出具有相同形状的 NDArray。

返回类型：

列表，或NDArray

来自多个多项分布的并发采样。

注意：

输入分布必须标准化，即 data 必须沿其最后一个维度求和为 1。

例子：

>>> probs = mx.nd.array([0, 0.1, 0.2, 0.3, 0.4])
>>> mx.nd.random.multinomial(probs)
[3]
<NDArray 1 @cpu(0)>
>>> probs = mx.nd.array([[0, 0.1, 0.2, 0.3, 0.4], [0.4, 0.3, 0.2, 0.1, 0]])
>>> mx.nd.random.multinomial(probs)
[3 1]
<NDArray 2 @cpu(0)>
>>> mx.nd.random.multinomial(probs, shape=2)
[[4 4]
 [1 2]]
<NDArray 2x2 @cpu(0)>
>>> mx.nd.random.multinomial(probs, get_prob=True)
[3 2]
<NDArray 2 @cpu(0)>
[-1.20397282 -1.60943794]
<NDArray 2 @cpu(0)>

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.random.multinomial。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。

用法:

参数：

返回：

返回类型：

注意：

例子：