多元分布损失#

class pytorch_forecasting.metrics.base_metrics.MultivariateDistributionLoss(name: str = None, quantiles: List[float] | None = None, reduction='mean')[来源]#

基础： DistributionLoss

多元分布损失的基类。

该类应被继承用于所有多变量分布损失，即如果一组值在一次预测中被预测，并且批次维度不是独立的，但时间维度仍然保持独立。

初始化指标

Parameters:

  • name (str) – 指标名称。默认为类名称。

  • 分位数 (列表[浮点数], 可选) – 概率范围的分位数。 默认为 [0.02, 0.1, 0.25, 0.5, 0.75, 0.9, 0.98]。

  • reduction (str, 可选) – 减少方式，“none”，“mean”或“sqrt-mean”。默认为“mean”。

方法

loss(预测值, 实际值)

计算负似然

sample(y_pred, n_samples)

来自分布的样本。
loss(y_pred: Tensor, y_actual: Tensor) → Tensor[来源]#

计算负似然

Parameters:

  • y_pred – 网络输出

  • y_actual – 实际值

Returns:

可以应用反向传播的度量值

Return type:

torch.Tensor

sample(y_pred, n_samples: int) → Tensor[来源]#

从分布中抽样。

Parameters:

  • y_pred – 网络的预测输出 (形状 batch_size x n_timesteps x n_paramters)

  • n_samples (int) – 要抽取的样本数量

Returns:

具有样本的张量（形状 为 batch_size x n_timesteps x n_samples）

Return type:

torch.Tensor