贝塔分布损失#

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

基础： DistributionLoss

单位区间数据的贝塔分布损失。

Requirements for original target normalizer:

  • logit 变换

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

map_x_to_distribution(x)

将参数的张量映射到概率分布。

rescale_parameters(parameters, target_scale, ...)

将归一化参数缩放到输出所需的尺度。
distribution_class#

的别名 Beta

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

map_x_to_distribution(x: Tensor) → Beta[来源]#

将参数的张量映射到概率分布。

Parameters:

x (torch.Tensor) – 概率分布的参数。最后一个维度将索引这些参数

Returns:

在

类属性 distribution_class

Return type:

分布.分布

rescale_parameters(parameters: Tensor, target_scale: Tensor, encoder: 基础估计器) → Tensor[来源]#

将标准化参数重新缩放到输出所需的尺度。

Parameters:

  • 参数 (torch.Tensor) – 规范化参数（按最后一个维度索引）

  • target_scale (torch.Tensor) – 参数的规模 (n_batch_samples x (中心, 缩放))

  • encoder (BaseEstimator) – 原始编码器，最初对目标进行了标准化

Returns:

真实/未标准化空间中的参数

Return type:

torch.Tensor