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

用法:
mxnet.ndarray.random.negative_binomial(k=1, p=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

参数：

k：(float or NDArray, optional) - 不成功实验的限制，> 0。
p：(float or NDArray, optional) - 每个实验中的失败概率，>= 0 和 <=1。
shape：(int or tuple of ints, optional) - 要绘制的样本数。如果形状是，例如，(m, n)和k和p是标量，输出形状将是(m, n).如果k和p是具有形状的 NDArray，例如，(x, y)，则输出将具有形状(x, y, m, n)，其中m*n为每个抽取样本[k, p)一对。
dtype：({'float16', 'float32', 'float64'}, optional) - 输出样本的数据类型。默认为‘float32’
ctx：(mxnet.context.Context, optional) - 输出的设备上下文。默认为当前上下文。被覆盖k.context当k是一个 NDArray。
out：(NDArray, optional) - 将输出存储到现有的 NDArray。

如果输入 shape 具有形状，例如 (m, n) 和 k 和 p 是标量，则输出形状将为 (m, n) 。如果 k 和 p 是具有形状的 NDArray，例如 (x, y) ，则输出将具有形状 (x, y, m, n) ，其中为每个 [k, p) 对绘制 m*n 样本。

返回类型：

ND阵列

从负二项分布中抽取随机样本。

样本根据由k(不成功实验的限制)和p(每个实验中的失败概率)参数化的负二项分布分布。样本将始终作为浮点数据类型返回。

例子：

>>> mx.nd.random.negative_binomial(10, 0.5)
[ 4.]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.negative_binomial(10, 0.5, shape=(2,))
[ 3.  4.]
<NDArray 2 @cpu(0)>
>>> k = mx.nd.array([1,2,3])
>>> p = mx.nd.array([0.2,0.4,0.6])
>>> mx.nd.random.negative_binomial(k, p, shape=2)
[[ 3.  2.]
 [ 4.  4.]
 [ 0.  5.]]
<NDArray 3x2 @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.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。

用法:

参数：

返回：

返回类型：

例子：