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)和mu和alpha是標量，輸出形狀將是(m, n).如果mu和alpha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.context當mu是一個 NDArray。
out：(NDArray, optional) - 將輸出存儲到現有的 NDArray。

如果輸入 shape 具有形狀，例如 (m, n) 和 mu 和 alpha 是標量，則輸出形狀將為 (m, n) 。如果 mu 和 alpha 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。

用法:

參數：

返回：

返回類型：

例子：