Python mxnet.test_utils.chi_square_check用法及代碼示例

用法: mxnet.test_utils.chi_square_check(generator, buckets, probs, nsamples=1000000)

參數：

generator：(function) - 假設從特定分布生成 i.i.d 樣本的函數。 generator(N) 應該生成 N 個隨機樣本。
buckets：(list of tuple or list of number) - 運行卡方檢驗的桶。確保存儲桶覆蓋整個分布範圍。此外，桶必須按升序排列並且沒有交集
probs：(list or tuple) - 隨機值的 ground-truth 概率落在特定的桶中。
nsamples：(int) - 為測試生成的樣本數

p：(float) - 生成器具有預期分布的 p 值。較高的值表示較大的置信度
obs_freq：(list) - 觀察到的桶的頻率
expected_freq：(list) - 桶的預期 (ground-truth) 頻率

運行生成器的卡方檢驗。生成器可以是連續的也可以是離散的。

如果生成器是連續的，則桶應該包含 (range_min, range_max) 的元組，並且概率應該是特定範圍內對應的理想概率。否則，桶應該包含在離散分布上生成的所有可能值，並且概率應該是groud-truth 概率。

通常要求用戶指定 probs 參數。

得到 p 值後，我們可以進一步使用標準的 p > 0.05 (alpha) 閾值來得到最終結果。

例子：

buckets, probs = gen_buckets_probs_with_ppf(lambda x: ss.norm.ppf(x, 0, 1), 5)
generator = lambda x: np.random.normal(0, 1.0, size=x)
p = chi_square_check(generator=generator, buckets=buckets, probs=probs)
assert(p > 0.05)

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.test_utils.chi_square_check。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：