.. py:class:: paddle.distribution.Multinomial(total_count, probs)
Multinomial
表示实验次数为 :attr:`total_count`,概率为 :attr:`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。
- 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。:attr:`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。
COPY-FROM: paddle.distribution.Multinomial
均值
方差
计算 value 的概率。
参数
- value (Tensor) - 待计算值。
返回
Tensor,:attr:`value` 的概率。
计算 value 的对数概率。
参数
- value (Tensor) - 待计算值。
返回
Tensor,:attr:`value` 的对数概率。
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。