Python mxnet.symbol.random_pdf_generalized_negative_binomial用法及代碼示例

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)

參數：

sample：(Symbol) - 來自分布的樣本。
mu：(Symbol) - 分布的平均值。
is_log：(boolean, optional, default=0) - 如果設置，則計算 log-probability 的密度而不是概率。
alpha：(Symbol) - 分布的 Alpha(分散)參數。
name：(string, optional.) - 結果符號的名稱。

結果符號。

返回類型：

Symbol

使用參數 mu(均值)和 alpha(離散度)計算廣義負二項分布的 sample 的 PDF 值。這可以理解為對負二項式的重新參數化，其中 k = 1 / alpha 和 p = 1 / (mu * alpha + 1) 。

mu 和 alpha 必須具有相同的形狀，必須與 sample 的最左側子形狀匹配。也就是說，sample 可以具有與 mu 和 alpha 相同的形狀，在這種情況下，輸出包含每個分布的一個密度，或者 sample 可以是具有該形狀的張量的張量，在這種情況下，輸出是密度的張量，使得輸出中索引 i 處的密度由 sample 中索引 i 處的樣本給出，該樣本由索引 i 處的 mu 和 alpha 的值參數化。

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.symbol.random_pdf_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：