gluonts.mx.distribution.logit_normal 模块#

class gluonts.mx.distribution.logit_normal.LogitNormal(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

Logit-Normal 分布。

参数

  • mu – 包含位置参数的张量，形状为 (*batch_shape, *event_shape)。

  • sigma – 表示尺度参数的张量，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。

从分布中调用 sample() 会产生一个形状为 batch_shape + event_shape 的张量，并在这样的样本上计算 log_prob (或更一般的 loss) 将产生一个形状为 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。

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，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。

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

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的值。

参数

level – 用于计算分位数的水平值。level 应该是一个介于 0 和 1 之间的一维水平值张量。

返回

与传递的水平值对应的分位数。返回形状为

(num_levels, …DISTRIBUTION_SHAPE…),

其中 DISTRIBUTION_SHAPE 是基础分布的形状。

返回类型

分位数

sample(num_samples=None, dtype=<class 'numpy.float32'>)[source]#

从分布中抽取样本。

如果提供了 num_samples，则输出的第一个维度将是 num_samples。

参数

  • num_samples – 待抽取的样本数量。

  • dtype – 样本的数据类型。

返回

包含样本的张量。如果 num_samples = None，其形状为 (*batch_shape, *eval_shape)，否则为 (num_samples, *batch_shape, *eval_shape)。

返回类型

张量

class gluonts.mx.distribution.logit_normal.LogitNormalOutput[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.logit_normal.LogitNormal

distribution(distr_args, loc=None, scale=None, **kwargs) → gluonts.mx.distribution.distribution.Distribution[source]#

给定构造函数参数集合以及可选的尺度张量，构建关联的分布。

参数

  • distr_args – 基础 Distribution 类型的构造函数参数。

  • loc – 可选张量，形状与结果分布的 batch_shape+event_shape 相同。

  • scale – 可选张量，形状与结果分布的 batch_shape+event_shape 相同。

classmethod domain_map(F, mu, sigma)[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了具有正确 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。