概率输出层¶
我们支持用于分类的分类概率输出层和用于回归的回归概率输出层。请在下面找到它们的参考资料。
- class fortuna.prob_output_layer.base.ProbOutputLayer[来源]¶
抽象概率输出层类。它描述了给定校准输出后目标变量的分布。可以将其视为\(p(y|\omega)\)，其中\(y\)是目标变量，\(\omega\)是校准输出。概率输出层不会对不同数据点进行联合操作，而是分别对它们进行操作。
- abstract entropy(outputs, **kwargs)[来源]¶
估计目标变量的熵，该熵与概率输出层分布的输出相关。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计平均值。
- Return type:
jnp.ndarray
- abstract log_prob(outputs, targets, **kwargs)[来源]¶
评估每个输出的目标变量的对数概率密度函数（也称为对数概率密度函数）。
- Parameters:
outputs (Array) – 校准后的输出。
targets (Array) – 目标数据点。
- Returns:
对每个输出的对数概率密度函数进行评估。
- Return type:
jnp.ndarray
- abstract mean(outputs, **kwargs)[来源]¶
估计目标变量的均值，该均值是根据概率输出层分布的输出给出的。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计平均值。
- Return type:
jnp.ndarray
- abstract mode(outputs, **kwargs)[来源]¶
根据概率输出层分布的输出，估计目标变量的模式。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计模式。
- Return type:
jnp.ndarray
- abstract predict(outputs, **kwargs)[来源]¶
从校准的输出开始预测目标变量。
- Parameters:
outputs (Array) – 校准后的输出。
- Returns:
每个输出的预测。
- Return type:
jnp.ndarray
- property rng: RandomNumberGenerator¶
调用随机数生成器对象。
- Return type:
随机数生成器对象。
- abstract sample(n_target_samples, outputs, rng=None, **kwargs)[来源]¶
每个输出的样本目标变量。
- Parameters:
n_target_samples (int) – 为每个输出绘制的目标样本数量。
outputs (Array) – 校准后的输出。
rng (可选[jax.Array]) – 一个随机数生成器。如果未传递，将从该类的属性中获取。
- Returns:
每个输出的目标变量样本。
- Return type:
jnp.ndarray
- class fortuna.prob_output_layer.classification.ClassificationMaskedProbOutputLayer[来源]¶
分类概率输出层类。它描述了给定校准输出logits的目标变量的概率分布，作为一个分类分布。即 \(p(y|\omega)=\text{Categorical}(y|p=\text{softmax}(\omega))\)，其中 \(y\) 表示目标变量， \(\omega\) 表示校准输出。
- entropy(outputs, **kwargs)¶
估计给定输出相对于概率输出层分布的单热编码目标变量的熵。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计熵。
- Return type:
jnp.ndarray
- log_prob(outputs, targets, **kwargs)[来源]¶
评估每个输出的目标变量的对数概率密度函数（也称为对数概率密度函数）。
- Parameters:
outputs (Array) – 校准后的输出。
targets (Array) – 目标数据点。
- Returns:
对每个输出的对数概率密度函数进行评估。
- Return type:
jnp.ndarray
- mean(outputs, **kwargs)¶
估计给定输出相对于概率输出层分布的单热编码目标变量的均值。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计平均值。
- Return type:
jnp.ndarray
- mode(outputs, **kwargs)¶
根据概率输出层分布，估计独热编码目标变量的模式。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计模式。
- Return type:
jnp.ndarray
- predict(outputs, **kwargs)¶
从校准的输出开始预测目标变量。
- Parameters:
outputs (Array) – 校准后的输出。
- Returns:
每个输出的预测。
- Return type:
jnp.ndarray
- property rng: RandomNumberGenerator¶
调用随机数生成器对象。
- Return type:
随机数生成器对象。
- sample(n_target_samples, outputs, rng=None, **kwargs)¶
每个输出的样本目标变量。
- Parameters:
n_target_samples (int) – 为每个输出绘制的目标样本数量。
outputs (Array) – 校准后的输出。
rng (可选[jax.Array]) – 一个随机数生成器。如果未传递，将从该类的属性中获取。
- Returns:
每个输出的目标变量样本。
- Return type:
jnp.ndarray
- std(outputs, variances=None)¶
估计独热编码目标变量的标准差，该标准差与概率输出层分布的输出相关。
- Parameters:
outputs (Array) – 模型输出
variances (可选[数组]) – 每个输出的方差。
- Returns:
每个输出的估计标准差。
- Return type:
jnp.ndarray
- variance(outputs, **kwargs)¶
估计独热编码目标变量的方差，该方差与概率输出层分布相关。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计方差。
- Return type:
jnp.ndarray
- class fortuna.prob_output_layer.classification.ClassificationProbOutputLayer[来源]¶
分类概率输出层类。它描述了给定校准输出logits的目标变量的概率分布，作为一个分类分布。即 \(p(y|\omega)=\text{Categorical}(y|p=\text{softmax}(\omega))\)，其中 \(y\) 表示目标变量， \(\omega\) 表示校准输出。
- entropy(outputs, **kwargs)[来源]¶
估计给定输出相对于概率输出层分布的单热编码目标变量的熵。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计熵。
- Return type:
jnp.ndarray
- log_prob(outputs, targets, **kwargs)[来源]¶
评估每个输出的目标变量的对数概率密度函数（也称为对数概率密度函数）。
- Parameters:
outputs (Array) – 校准后的输出。
targets (Array) – 目标数据点。
- Returns:
对每个输出的对数概率密度函数进行评估。
- Return type:
jnp.ndarray
- mean(outputs, **kwargs)[来源]¶
估计给定输出相对于概率输出层分布的单热编码目标变量的均值。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计平均值。
- Return type:
jnp.ndarray
- mode(outputs, **kwargs)[来源]¶
根据概率输出层分布，估计独热编码目标变量的模式。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计模式。
- Return type:
jnp.ndarray
- predict(outputs, **kwargs)[来源]¶
从校准的输出开始预测目标变量。
- Parameters:
outputs (Array) – 校准后的输出。
- Returns:
每个输出的预测。
- Return type:
jnp.ndarray
- property rng: RandomNumberGenerator¶
调用随机数生成器对象。
- Return type:
随机数生成器对象。
- sample(n_target_samples, outputs, rng=None, **kwargs)[来源]¶
每个输出的样本目标变量。
- Parameters:
n_target_samples (int) – 为每个输出绘制的目标样本数量。
outputs (Array) – 校准后的输出。
rng (可选[jax.Array]) – 一个随机数生成器。如果未传递，将从该类的属性中获取。
- Returns:
每个输出的目标变量样本。
- Return type:
jnp.ndarray
- class fortuna.prob_output_layer.regression.RegressionProbOutputLayer[来源]¶
回归概率输出层类。它表征了给定校准输出作为高斯分布的目标变量的概率分布。即 \(p(y|\mu, \sigma^2)=\text{Normal}(y|\mu, \sigma^2)\)，其中 \(y\) 表示目标变量， \(\omega=[\mu, \log\sigma^2]\) 表示校准输出。
- credible_interval(outputs, n_target_samples=30, error=0.05, interval_type='two-tailed', rng=None)[来源]¶
估计目标变量的可信区间。仅当目标变量为标量时支持此功能。
- Parameters:
outputs (Array) – 模型输出。
n_target_samples (int) – 每个输出要绘制的目标样本数量。
error (float) – 区间误差。这必须是一个介于0和1之间的数字，包括端点。例如， error=0.05 对应于95%的可信度水平。
interval_type (str) – 区间类型。我们支持“双尾”（默认）、“右尾”和“左尾”。
rng (可选[jax.Array]) – 一个随机数生成器。如果未传递，将从该类的属性中获取。
- Returns:
每个输出的可信区间。
- Return type:
jnp.ndarray
- entropy(outputs, n_target_samples=30, rng=None, **kwargs)[来源]¶
估计目标变量的熵，该熵与概率输出层分布的输出相关。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计平均值。
- Return type:
jnp.ndarray
- log_prob(outputs, targets, **kwargs)[来源]¶
评估每个输出的目标变量的对数概率密度函数（也称为对数概率密度函数）。
- Parameters:
outputs (Array) – 校准后的输出。
targets (Array) – 目标数据点。
- Returns:
对每个输出的对数概率密度函数进行评估。
- Return type:
jnp.ndarray
- mean(outputs, **kwargs)[来源]¶
估计目标变量的均值，该均值是根据概率输出层分布的输出给出的。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计平均值。
- Return type:
jnp.ndarray
- mode(outputs, **kwargs)[来源]¶
根据概率输出层分布的输出，估计目标变量的模式。
- Parameters:
outputs (Array) – 模型输出
- Returns:
每个输出的估计模式。
- Return type:
jnp.ndarray
- predict(outputs, **kwargs)[来源]¶
从校准的输出开始预测目标变量。
- Parameters:
outputs (Array) – 校准后的输出。
- Returns:
每个输出的预测。
- Return type:
jnp.ndarray
- property rng: RandomNumberGenerator¶
调用随机数生成器对象。
- Return type:
随机数生成器对象。
- sample(n_target_samples, outputs, rng=None, **kwargs)[来源]¶
每个输出的样本目标变量。
- Parameters:
n_target_samples (int) – 为每个输出绘制的目标样本数量。
outputs (Array) – 校准后的输出。
rng (可选[jax.Array]) – 一个随机数生成器。如果未传递，将从该类的属性中获取。
- Returns:
每个输出的目标变量样本。
- Return type:
jnp.ndarray
- std(outputs, variances=None)¶
估计目标变量的标准差，基于概率输出层分布的输出。
- Parameters:
outputs (Array) – 模型输出
variances (可选[数组]) – 每个输出的方差。
- Returns:
每个输出的估计标准差。
- Return type:
jnp.ndarray