gluonts.mx.distribution.gaussian 模块#

类 gluonts.mx.distribution.gaussian.Gaussian(mu: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], sigma: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#

基类: gluonts.mx.distribution.distribution.Distribution

高斯分布。

参数

  • mu – 包含均值的张量，形状为 (*batch_shape, *event_shape)。

  • std – 包含标准差的张量，形状为 (*batch_shape, *event_shape)。

  • F –

属性 F#
arg_names: Tuple#
属性 args: List#
属性 batch_shape: Tuple#

分布所考虑的事件集合的布局。

调用 sample() 从分布中产生一个形状为 batch_shape + event_shape 的张量，计算 log_prob （或者更一般的说， loss ）在此样本上将产生一个形状为 batch_shape 的张量。

此属性通常仅在 mx.ndarray mode 模式下可用，此时可以访问分布参数的形状。

cdf(x)[source]#

返回在 x 处计算的累积分布函数的值。

属性 event_dim: int#

事件维度的数量，即 event_shape 元组的长度。

对于标量分布，此值为 0 ；对于向量，此值为 1 ；对于矩阵，此值为 2 ；依此类推。

属性 event_shape: Tuple#

分布所考虑的每个独立事件的形状。

例如，对于标量分布， event_shape = () ；对于向量， event_shape = (d, ) 其中 d 是向量的长度；对于矩阵， event_shape = (d1, d2) ；依此类推。

调用 sample() 从分布中产生一个形状为 batch_shape + event_shape 的张量。

此属性通常仅在 mx.ndarray mode 模式下可用，此时可以访问分布参数的形状。

类方法 fit(F, samples: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#

拟合参数到给定数据后，返回一个 Gaussian 的实例。

参数

  • F –

  • samples – 形状为 (num_samples, batch_size, seq_len) 的张量

返回类型

类型为 Gaussian 的分布实例。

is_reparameterizable = True#
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

形状为 batch_shape 的张量，包含 x 中每个事件的分布对数密度。

返回类型

张量

属性 mean: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#

包含分布均值的张量。

quantile(level: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#

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 应是一个包含 0 到 1 之间水平值的一维张量。

返回

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 是底层分布的形状。

返回类型

分位数

sample(num_samples: typing.Optional[int] = None, dtype=<class 'numpy.float32'>) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#

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

包含样本的张量。如果 num_samples 为 None，则形状为 (*batch_shape, *eval_shape)。否则，形状为 (num_samples, *batch_shape, *eval_shape)。

返回类型

张量

sample_rep(num_samples: typing.Optional[int] = None, dtype=<class 'numpy.float32'>) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#
属性 stddev: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#

包含分布标准差的张量。

类 gluonts.mx.distribution.gaussian.GaussianOutput[source]#

基类: gluonts.mx.distribution.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'mu': 1, 'sigma': 1}#
distr_cls#

的别名 gluonts.mx.distribution.gaussian.Gaussian

类方法 domain_map(F, mu, sigma)#

将原始张量映射为构建高斯分布的有效参数。

参数

  • F –

  • mu – 形状为 (*batch_shape, 1) 的张量

  • sigma – 形状为 (*batch_shape, 1) 的张量

返回

两个压缩后的张量，形状为 (*batch_shape)：第一个与 mu 的条目相同，第二个的条目映射到正象限。

返回类型

Tuple[Tensor, Tensor]

属性 event_shape: Tuple#

此对象构建的分布所考虑的每个独立事件的形状。