gluonts.mx.representation.discrete_pit 模块#

class gluonts.mx.representation.discrete_pit.DiscretePIT(num_bins: int, mlp_transf: bool = False, embedding_size: Optional[int] = None, *args, **kwargs)[source]#

基类：gluonts.mx.representation.representation.Representation

一个类，表示给定基于分位数的学习分箱的离散概率积分变换（PIT）。请注意，此表示旨在应用于基于分箱的表示之上。

参数

  • num_bins – 此表示应用的数据使用的分箱数量。

  • mlp_tranf – 是否希望使用 MLP 对 PIT 变换后的值进行后处理，MLP 可以学习合适的分箱，这将确保 PIT 模型与带有嵌入的标准分位数分箱具有相同的表达能力。（默认值：False）

  • embedding_size – 如果 mlp_tranf=True，所需的层输出大小。默认情况下，使用以下启发式方法：https://developers.googleblog.com/2017/11/introducing-tensorflow-feature-columns.html （默认值：round(num_bins**(1/4))）

hybrid_forward(F, data: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], observed_indicator: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], scale: Optional[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]], rep_params: List[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]], **kwargs) → Tuple[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], List[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]]][source]#

将数据转换为所需的表示形式。

参数

  • F –

  • data – 目标数据。

  • observed_indicator – 目标观测指示器。

  • scale – 预计算的尺度。

  • rep_params – 附加的预计算表示参数。

  • **kwargs – 附加的特定块参数。

：参数：附加的特定块参数。

返回值

包含转换后的数据、计算出的尺度以及要传递给 post_transform 的附加参数的元组。

返回类型

Tuple[Tensor, Tensor, List[Tensor]]

post_transform(F, samples: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], scale: Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol], rep_params: List[Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol]]) → Union[mxnet.ndarray.ndarray.NDArray, mxnet.symbol.symbol.Symbol][source]#

将样本转换回原始表示形式。

参数

  • samples – 从分布中抽取的样本。

  • scale – 样本的尺度。

  • rep_params – 后期转换过程中使用的附加表示特定参数。

返回值

后期转换的样本。

返回类型

Tensor