Python mxnet.symbol.random_pdf_generalized_negative_binomial用法及代码示例

用法:
mxnet.symbol.random_pdf_generalized_negative_binomial(sample=None, mu=None, alpha=None, is_log=_Null, name=None, attr=None, out=None, **kwargs)

参数：

sample：(Symbol) - 来自分布的样本。
mu：(Symbol) - 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：(Symbol) - 分布的 Alpha(分散)参数。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

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 / alpha 和 p = 1 / (mu * alpha + 1) 。

mu 和 alpha 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 mu 和 alpha 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 mu 和 alpha 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.symbol.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。

用法:

参数：

返回：

返回类型：