gluonts.mx.distribution.multivariate_gaussian 模块#
- class gluonts.mx.distribution.multivariate_gaussian.MultivariateGaussian(mu: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], L: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], F=None)[源]#
多元高斯分布，由均值向量和协方差矩阵的 Cholesky 因子指定。
参数
- mu – 均值向量，形状为 (…, d)
L – 协方差矩阵的下三角 Cholesky 因子，形状为 (…, d, d)
F – 一个模块，可以引用 MXNet 中的 Symbol API 或 NDArray API
property F#
- arg_names: Tuple#
- property batch_shape: Tuple#
- 分布所考虑的事件集的布局。
调用分布的 sample() 会生成形状为 batch_shape + event_shape 的张量，而计算样本的 log_prob（或更普遍地说，loss）会生成形状为 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#
- 事件维度数，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。
调用分布的 sample() 会生成形状为 batch_shape + event_shape 的张量。
is_reparameterizable = True#
property event_dim: int#
- log_prob(x: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][源]#
- 计算分布在 x 处的对数密度。
x – 形状为 (*batch_shape, *event_shape) 的张量。
- mu – 均值向量，形状为 (…, d)
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
property mean: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]#
- 包含分布均值的张量。
sample_rep(num_samples: typing.Optional[int] = None, dtype=<class 'numpy.float32'>) Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][源]#
- 从多元高斯分布中抽取样本。内部使用协方差矩阵的 Cholesky 分解
sample = L v + mu,
其中 L 是 Cholesky 因子，v 是标准正态样本。
num_samples – 要抽取的样本数量。
-
基础类:
gluonts.mx.distribution.distribution_output.DistributionOutput args_dim: Dict[str, int]#
- distr_cls: type#
- 将参数转换为正确的形状和域。
域取决于分布的类型，而正确的形状通过重塑末尾轴获得，使得返回的张量定义了一个具有正确 event_shape 的分布。
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。
- 下一页gluonts.mx.distribution.nan_mixture module上一页gluonts.mx.distribution.mixture module