Multinomial
- class paddle.distribution. Multinomial ( total_count, probs )
Multinomial
表示实验次数为 total_count
,概率为 probs
的多项分布。
在概率论中,多项分布是二项分布的多元推广,表示具有 \(k\) 个类别的事件重复实验 \(n\) 次,每个类别出现次数的概率。当 \(k=2\) 且 \(n=1\) 时,为伯努利分布,当 \(k=2\) 且 \(n>1\) 时,为二项分布,当 \(k>2\) 且 \(n=1\) 时,为分类分布。
多项分布概率密度函数如下:
\[f(x_1, ..., x_k; n, p_1,...,p_k) = \frac{n!}{x_1!...x_k!}p_1^{x_1}...p_k^{x_k}\]
其中,\(n\) 表示实验次数,\(k\) 表示类别数,\(p_i\) 表示一次实验中,实验结果为第 \(i\) 个类别的概率,需要满足 \({\textstyle \sum_{i=1}^{k}p_i=1}, p_i \ge 0\) , \(x_i\) 表示第 \(i\) 个分类出现的次数。
参数
total_count (int) - 实验次数。
probs (Tensor) - 每个类别发生的概率。最后一维为事件维度,其它维为批维度。
probs
中的每个元素取值范围为 \([0, 1]\)。如果输入数据大于 1,会沿着最后一维进行归一化操作。
代码示例
COPY-FROM: paddle.distribution.Multinomial
属性
mean
均值
variance
方差
方法
prob(value)
计算 value 的概率。
参数
value (Tensor) - 待计算值。
返回
Tensor,value
的概率。
log_prob(value)
计算 value 的对数概率。
参数
value (Tensor) - 待计算值。
返回
Tensor,value
的对数概率。
sample(shape=[])
生成满足特定形状的样本数据。
参数
shape (Sequence[int],可选):采样形状。
返回
Tensor,样本数据。