Exponential

class paddle.distribution. Exponential ( rate )

指数分布

指数分布的概率密度满足一下公式:

\[f(x; \theta) = \theta e^{- \theta x }, (x \ge 0) $$\]

上面数学公式中:

\(rate=\theta\):表示率参数。

参数

  • rate (float|Tensor) - 率参数,该值必须大于零。

代码示例

COPY-FROM: paddle.distribution.Exponential

属性

mean

指数分布的均值。

variance

指数分布的方差。

方法

prob(value)

指数分布的概率密度函数。

参数

  • value (float|Tensor) - 输入值。

数学公式: .. math:

f(x; \theta) =  \theta e^{- \theta x },  (x \ge 0) $$

上面数学公式中:

\(rate=\theta\):表示率参数。

返回

  • Tensor - value 对应的概率密度。

log_prob(value)

指数分布的对数概率密度函数。

参数

  • value (float|Tensor) - 输入值。

返回

  • Tensor - value 对应的对数概率密度。

entropy()

指数分布的信息熵。

返回

  • Tensor: 信息熵。

cdf(k)

指数分布的累积分布函数。

参数

  • value (float|Tensor) - 输入值。

数学公式:

\[cdf(x; \theta) = 1 - e^{- \theta x }, (x \ge 0)\]

上面的数学公式中:

\(rate=\theta\):表示率参数。

返回

  • Tensor: value 对应的累积分布。

icdf(k)

指数分布的逆累积分布函数。

参数

  • value (float|Tensor) - 输入值。

数学公式:

\[icdf(x; \theta) = -\frac{ 1 }{ \theta } ln(1 + x), (x \ge 0)\]

上面的数学公式中:

\(rate=\theta\):表示率参数。

返回

  • Tensor: value 对应的逆累积分布。

kl_divergence(other)

两个指数分布之间的 KL 散度。

参数

  • other (Geometric) - Exponential 的实例。

返回

  • Tensor: 两个指数分布之间的 KL 散度。

sample(shape)

随机采样,生成指定维度的样本。

参数

  • shape (Sequence[int], optional) - 采样的样本维度。

返回

  • Tensor - 指定维度的样本数据。数据类型为 float32。

rsample(shape)

重参数化采样,生成指定维度的样本。

参数

  • shape (Sequence[int], optional) - 重参数化采样的样本维度。

返回

  • Tensor - 指定维度的样本数据。数据类型为 float32。