當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文


Python mxnet.ndarray.random.generalized_negative_binomial用法及代碼示例

用法:

mxnet.ndarray.random.generalized_negative_binomial(mu=1, alpha=1, shape=_Null, dtype=_Null, ctx=None, out=None, **kwargs)

參數

  • mu(float or NDArray, optional) - 負二項分布的平均值。
  • alpha(float or NDArray, optional) - 負二項分布的 Alpha(分散)參數。
  • shape(int or tuple of ints, optional) - 要繪製的樣本數。如果形狀是,例如,(m, n)mualpha是標量,輸出形狀將是(m, n).如果mualpha是具有形狀的 NDArray,例如,(x, y),則輸出將具有形狀(x, y, m, n),其中m*n為每個抽取樣本[mu, alpha)一對。
  • dtype({'float16', 'float32', 'float64'}, optional) - 輸出樣本的數據類型。默認為‘float32’
  • ctx(mxnet.context.Context, optional) - 輸出的設備上下文。默認為當前上下文。被覆蓋mu.contextmu是一個 NDArray。
  • out(NDArray, optional) - 將輸出存儲到現有的 NDArray。

返回

如果輸入 shape 具有形狀,例如 (m, n)mualpha 是標量,則輸出形狀將為 (m, n) 。如果 mualpha 是具有形狀的 NDArray,例如 (x, y) ,則輸出將具有形狀 (x, y, m, n) ,其中為每個 [mu, alpha) 對繪製 m*n 樣本。

返回類型

ND陣列

從廣義負二項分布中抽取隨機樣本。

樣本根據由mu(均值)和alpha(分散)參數化的廣義負二項分布分布。 alpha 定義為 1/k 其中 k 是不成功實驗次數的失敗限製(推廣到實數)。樣本將始終作為浮點數據類型返回。

例子

>>> mx.nd.random.generalized_negative_binomial(10, 0.5)
[ 19.]
<NDArray 1 @cpu(0)>
>>> mx.nd.random.generalized_negative_binomial(10, 0.5, shape=(2,))
[ 30.  21.]
<NDArray 2 @cpu(0)>
>>> mu = mx.nd.array([1,2,3])
>>> alpha = mx.nd.array([0.2,0.4,0.6])
>>> mx.nd.random.generalized_negative_binomial(mu, alpha, shape=2)
[[ 4.  0.]
 [ 3.  2.]
 [ 6.  2.]]
<NDArray 3x2 @cpu(0)>

相關用法


注:本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.random.generalized_negative_binomial。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。