gluonts.mx.distribution.distribution 模块#
- class gluonts.mx.distribution.distribution.Distribution[source]#
基类:
object表示概率分布的类。
- property F#
- property all_dim: int#
总体维度数量。
- arg_names: Tuple#
- property args: List#
- property batch_dim: int#
批处理维度数量，即 batch_shape 元组的长度。
- property batch_shape: Tuple#
分布所考虑的事件集的布局。
从分布中调用 sample() 会生成形状为 batch_shape + event_shape 的张量，并且在此样本上计算 log_prob (或者更一般的 loss) 将生成形状为 batch_shape 的张量。
此属性通常只在 mx.ndarray 模式下可用，此时可以访问分布参数的形状。
- cdf(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
返回在 x 处评估的累积分布函数的值。
- crps(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
根据分布计算 x 的连续分级概率得分 (CRPS)。
- 参数
x – 形状为 (*batch_shape, *event_shape) 的张量。
- 返回值
形状为 batch_shape 的张量，其中包含根据分布计算的 x 中每个事件的 CRPS 得分。
- 返回值类型
张量
- property event_dim: int#
事件维度数量，即 event_shape 元组的长度。
对于标量分布，此值为 0；对于向量分布，此值为 1；对于矩阵分布，此值为 2，依此类推。
- property event_shape: Tuple#
分布所考虑的每个独立事件的形状。
例如，标量分布的 event_shape = ()，向量分布的 event_shape = (d, )，其中 d 是向量的长度，矩阵分布的 event_shape = (d1, d2)，依此类推。
从分布中调用 sample() 会生成形状为 batch_shape + event_shape 的张量。
此属性通常只在 mx.ndarray 模式下可用，此时可以访问分布参数的形状。
- is_reparameterizable = False#
- log_prob(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
计算分布在 x 处的对数密度。
- 参数
x – 形状为 (*batch_shape, *event_shape) 的张量。
- 返回值
形状为 batch_shape 的张量，其中包含 x 中每个事件的分布对数密度。
- 返回值类型
张量
- loss(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
根据分布计算在 x 处的损失。
默认情况下，此方法返回 log_prob 的负值。然而，对于某些分布，对数密度不容易计算，因此会计算其他损失函数。
- 参数
x – 形状为 (*batch_shape, *event_shape) 的张量。
- 返回值
形状为 batch_shape 的张量，其中包含 x 中每个事件的损失值。
- 返回值类型
张量
- property mean: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#
包含分布均值的张量。
- prob(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
计算分布在 x 处的密度。
- 参数
x – 形状为 (*batch_shape, *event_shape) 的张量。
- 返回值
形状为 batch_shape 的张量，其中包含 x 中每个事件的分布密度。
- 返回值类型
张量
- quantile(level: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
计算给定水平的分位数。
- 参数
level – 用于计算分位数的水平值。level 应该是一个包含 0 到 1 之间水平值的 1 维张量。
- 返回值
对应于传入水平的分位数。返回的形状是
(num_levels, …DISTRIBUTION_SHAPE…),
其中 DISTRIBUTION_SHAPE 是基础分布的形状。
- 返回值类型
分位数
- sample(num_samples: typing.Optional[int] = None, dtype=<class 'numpy.float32'>) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
从分布中抽取样本。
如果给定了 num_samples，则输出的第一个维度将是 num_samples。
- 参数
num_samples – 要抽取的样本数量。
dtype – 样本的数据类型。
- 返回值
包含样本的张量。如果 num_samples = None，则形状为 (*batch_shape, *eval_shape)，否则为 (num_samples, *batch_shape, *eval_shape)。
- 返回值类型
张量
- sample_rep(num_samples: typing.Optional[int] = None, dtype=<class 'numpy.float32'>) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#
- slice_axis(axis: int, begin: int, end: Optional[int]) gluonts.mx.distribution.distribution.Distribution[source]#
- property stddev: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#
包含分布标准差的张量。
- property support_min_max: Tuple[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol, NoneType], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol, NoneType]]#
- property variance: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#
包含分布方差的张量。
- gluonts.mx.distribution.distribution.getF(var: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#