gluonts.mx.distribution.laplace 模块#

class gluonts.mx.distribution.laplace.Laplace(mu: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], b: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol])[source]#

基类: gluonts.mx.distribution.distribution.Distribution

Laplace 分布。

参数

mu – 包含均值的张量，形状为 (*batch_shape, *event_shape)。
b – 包含分布尺度的张量，形状为 (*batch_shape, *event_shape)。
F –

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。

从分布调用 sample() 会生成一个形状为 batch_shape + event_shape 的张量，并且在该样本上计算 log_prob（或者更普遍地计算 loss）会生成一个形状为 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 处评估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，此值为 0；对于向量分布为 1；对于矩阵分布为 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。

从分布调用 sample() 会生成一个形状为 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 = 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，其中包含 x 中每个事件的分布对数密度。
返回类型: Tensor

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]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#

计算给定分位数水平对应的分位数。

参数

level – 用于计算分位数的水平值。level 应为一个包含 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_rep(num_samples=None, dtype=<class 'numpy.float32'>) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#

property stddev: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#: 包含分布标准差的张量。

class gluonts.mx.distribution.laplace.LaplaceFixedVarianceOutput[source]#

基类: gluonts.mx.distribution.laplace.LaplaceOutput

classmethod domain_map(F, mu, b)[source]#

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾随轴获得的，以便返回的张量定义具有正确 event_shape 的分布。

class gluonts.mx.distribution.laplace.LaplaceOutput[source]#

基类: gluonts.mx.distribution.distribution_output.DistributionOutput

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

distr_cls#: 的别名 gluonts.mx.distribution.laplace.Laplace

classmethod domain_map(F, mu, b)[source]#

将参数转换为正确的形状和域。

域取决于分布的类型，而正确的形状是通过重塑尾随轴获得的，以便返回的张量定义具有正确 event_shape 的分布。

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