gluonts.mx.distribution.genpareto 模块#

class gluonts.mx.distribution.genpareto.GenPareto(xi: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], beta: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#

基类: gluonts.mx.distribution.distribution.Distribution

广义帕累托分布。

参数

xi – 包含 xi 形状参数的张量，形状为 (*batch_shape, *event_shape)。
beta – 包含 beta 尺度参数的张量，形状为 (*batch_shape, *event_shape)。

property F#

arg_names: Tuple#

property args: List#

property batch_shape: Tuple#

分布所考虑的事件集合的布局。

从分布中调用 sample() 会产生一个形状为 batch_shape + event_shape 的张量，对该样本计算 log_prob（或更一般的 loss）会产生一个形状为 batch_shape 的张量。

此属性通常仅在 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 处计算的累积分布函数的值。

property event_dim: int#

事件维度的数量，即 event_shape 元组的长度。

对于标量分布，这是 0；对于向量分布，这是 1；对于矩阵分布，这是 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() 会产生一个形状为 batch_shape + event_shape 的张量。

此属性通常仅在 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: 包含 batch_shape 形状的张量，其中包含 x 中每个事件的分布对数密度。
返回类型: 张量

property 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])[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 0 到 1 之间水平值的一维张量。

返回值

与传入水平相对应的分位数的值。返回形状为

(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][source]#

从分布中抽取样本。

如果给定 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，其形状为 (*batch_shape, *eval_shape)；否则为 (num_samples, *batch_shape, *eval_shape)。

返回类型

张量

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], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]]#

property variance: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#: 包含分布方差的张量。

class gluonts.mx.distribution.genpareto.GenParetoOutput[source]#

基类: gluonts.mx.distribution.distribution_output.DistributionOutput

args_dim: Dict[str, int] = {'beta': 1, 'xi': 1}#

distr_cls#: 别名: gluonts.mx.distribution.genpareto.GenPareto

classmethod domain_map(F, xi, beta)[source]#

将原始张量映射到构造广义帕累托分布的有效参数。

参数

F –
xi – 形状为 (*batch_shape, 1) 的张量
beta – 形状为 (*batch_shape, 1) 的张量

返回值

两个被挤压的张量，形状为 (*batch_shape)：两者的条目都映射到正象限。

返回类型

Tuple[Tensor, Tensor]

property event_shape: Tuple#: 此对象构造的分布所考虑的每个独立事件的形状。

property value_in_support: float#

计算相应分布的对数损失时将具有有效数值的浮点数；默认值为 0.0。

填充数据序列时将使用此值。