mars.tensor.var#
- mars.tensor.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=None, combine_size=None)[来源]#
计算沿指定轴的方差。
返回张量元素的方差，它是分布扩展的度量。方差默认情况下是针对展开的张量计算的，否则是针对指定的轴计算的。
- Parameters
a (array_like) – 包含所需方差的数字的张量。如果a不是张量，将尝试进行转换。
axis (None 或 int 或 tuple 的 ints, 可选) –
计算方差的轴或多个轴。默认情况下计算扁平化数组的方差。
如果这是一个整数的元组，则会在多个轴上执行方差的计算，而不是像之前那样在单个轴或所有轴上执行。
dtype (数据类型, 可选) – 用于计算方差的类型。对于整数类型的数组，默认值是 float32；对于浮点类型的张量，则与张量类型相同。
out (Tensor, 可选) – 替代输出数组，用于放置结果。它必须具有与预期输出相同的形状，但如果必要，会进行类型转换。
ddof (int, 可选) – “自由度差 Δ”：用于计算的除数是
N - ddof，其中N表示元素的数量。默认情况下 ddof 为零。keepdims (bool, optional) –
如果设置为 True，减少的轴将作为大小为一的维度保留在结果中。使用此选项，结果将正确地与输入张量广播。
如果传递了默认值，则keepdims 将不会传递给 Tensor 的子类的 var 方法，但任何非默认值将会传递。如果子类的 sum 方法未实现 keepdims，将会引发任何异常。
combine_size (int, 可选) – 拼接的块数。
- Returns
方差 – 如果
out=None, 返回一个包含方差的新张量; 否则，返回对输出张量的引用。- Return type
张量，参见上面的 dtype 参数
备注
方差是与均值的平方偏差的平均值， 即，
var = mean(abs(x - x.mean())**2).均值通常计算为
x.sum() / N，其中N = len(x)。但是，如果指定了 ddof，则使用除数N - ddof。在标准统计实践中，ddof=1提供了一个假设无限总体方差的无偏估计量。ddof=0提供了对于正态分布变量的方差的最大似然估计。请注意，对于复数，绝对值在平方之前被取出，因此结果总是实数且非负。
对于浮点输入，方差是使用输入所具有的相同精度计算的。根据输入数据，这可能导致结果不准确，尤其是对于 float32（见下面的示例）。使用
dtype关键字指定更高精度的累加器可以缓解这个问题。示例
>>> import mars.tensor as mt
>>> a = mt.array([[1, 2], [3, 4]]) >>> mt.var(a).execute() 1.25 >>> mt.var(a, axis=0).execute() array([ 1., 1.]) >>> mt.var(a, axis=1).execute() array([ 0.25, 0.25])
在单精度下，var() 可能不准确：
>>> a = mt.zeros((2, 512*512), dtype=mt.float32) >>> a[0, :] = 1.0 >>> a[1, :] = 0.1 >>> mt.var(a).execute() 0.20250003
计算float64的方差更为精确：
>>> mt.var(a, dtype=mt.float64).execute() 0.20249999932944759 >>> ((1-0.55)**2 + (0.1-0.55)**2)/2 0.2025