gluonts.torch.distributions.discrete_distribution 模块

class gluonts.torch.distributions.discrete_distribution.DiscreteDistribution(values: torch.Tensor, probs: torch.Tensor, validate_args: Optional[bool] = None)

基类: torch.distributions.distribution.Distribution

实现离散分布，其中底层随机变量从有限集合 values 中取值，并具有相应的概率。

注意：values 中可以有重复项，在这种情况下，重复项的概率质量将被累加。

一个自然的损失函数，特别是因为新的观测值不一定来自有限集合 values，是排序概率得分（RPS）。

因此，为了与其他模型的术语保持一致，log_prob 实现为负 RPS。

static adjust_probs(values_sorted, probs_sorted)

将所有重复值的概率质量放在一个位置（重复项的最后一个索引）。

假设：values_sorted 已排序！

• 参数

• values_sorted –

probs_sorted –

返回

log_prob(obs: torch.Tensor)

假设：values_sorted 已排序！

返回在 obs 处评估的概率密度/质量函数的对数。

obs (Tensor) –

mean()

返回分布的均值。

quantile_losses(obs: torch.Tensor, quantiles: torch.Tensor, levels: torch.Tensor)

rps(obs: torch.Tensor, check_for_duplicates: bool = True)

实现排序概率得分，它是所有可能分位数的分位数损失之和。

假设：values_sorted 已排序！

• 在这里，分位数数量是有限的，等于 (obs 的每个批次元素的) 唯一值数量。

• obs –

check_for_duplicates –

sample(sample_shape=torch.Size([]))