Multinomial_cn.rst

Multinomial

.. 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。

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。: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。

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，:attr:`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，:attr:`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。