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

用法:
mxnet.symbol.random_pdf_negative_binomial(sample=None, k=None, p=None, is_log=_Null, name=None, attr=None, out=None, **kwargs)

参数：

sample：(Symbol) - 来自分布的样本。
k：(Symbol) - 不成功实验的限制。
is_log：(boolean, optional, default=0) - 如果设置，则计算 log-probability 的密度而不是概率。
p：(Symbol) - 每个实验中的失败概率。
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

使用参数k(故障限制)和p(故障概率)计算负二项分布样本的 PDF 值。

k 和 p 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 k 和 p 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 k 和 p 的值参数化。

例子：

random_pdf_negative_binomial(sample=[[1,2,3,4]], k=[1], p=a[0.5]) =
    [[0.25, 0.125, 0.0625, 0.03125]]

# Note that k may be real-valued
sample = [[1,2,3,4],
          [1,2,3,4]]
random_pdf_negative_binomial(sample=sample, k=[1, 1.5], p=[0.5, 0.5]) =
    [[0.25,       0.125,      0.0625,     0.03125   ],
     [0.26516506, 0.16572815, 0.09667476, 0.05437956]]

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_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：