LearnedDistribution

LearnedDistribution[…]

表示 LearnDistribution 产生的一个分布.

更多信息和选项

  • 可对 LearnedDistribution[…] 应用以下函数：
  • PDF[dist,…]数据的概率或概率密度
    RandomVariate[dist]分布产生的随机样本
    SynthesizeMissingValues[dist,…]根据分布填充缺失值
    RarerProbability[dist,…]计算生成具有比给定样例更低的 PDF 的样本的概率
  • 当应用于 LearnedDistribution[…] 时，函数 PDF 和 RarerProbability 可与以下选项一起使用：
  • PerformanceGoal Automatic优化的目标
    MaxIterations Automatic进行蒙特卡洛积分时使用的迭代次数
    ComputeUncertainty False是否返回概率及其不确定性
  • PerformanceGoal 的可能的设置包括：
  • "Quality"最大化结果的质量
    "Speed"最大化计算结果的速度
    Automatic在速度和质量之间自动平衡
  • Information[LearnedDistribution[…]] 生成有关分布及其估计性能的信息面板.
  • Information[LearnedDistribution[…],prop] 可用于获取特定属性.
  • LearnedDistribution 的 Information 可以包含以下属性：
  • "BatchPDFTime"给定一批数据时，对一个样例应用 PDF 的边际时间
    "BatchSamplingTime"在批处理中生成一个样例的边际时间
    "Entropy"估计的分布的熵
    "ExampleNumber"训练样例的数量
    "FeatureTypes"分布变量的类型
    "FunctionMemory"存储分布需要的内存
    "LearningCurve"性能，为训练集大小的函数
    "MaxTrainingMemory"训练时使用的最大内存
    "Method"LearnDistribution 使用的 Method 的值
    "MethodDescription"方法的描述
    "MethodOption"要在新的训练中重新使用的方法的整套选项
    "PDFTime"对独特样例应用 PDF 的时间
    "Properties"分布的所有可用的信息属性
    "SamplingTime"抽样取得一个样例的时间
    "TrainingTime"LearnDistribution 生成分布所用的时间
  • Information 属性也包括所有方法的子选项.

范例

打开所有单元关闭所有单元

基本范例  (3)

在数值数据集上训练 LearnedDistribution[…]：

查看分布 Information：

获取可用的信息属性：

根据学到的分布生成新的样例：

计算新样例的 PDF：

在标称数据集上训练 LearnedDistribution[…]：

根据学到的分布生成新的样例：

计算样例 "A" 和 "B" 的概率：

在二维数据集上训练 LearnedDistribution[…]：

根据学到的分布生成新的样例：

计算两个样例的概率：

估算样例的缺失值：

选项  (3)

ComputeUncertainty  (1)

在标称数据集上训练 "Multinormal" 分布：

需要进行随机预处理以将标称变量转换为数值变量；PDF 计算是近似的：

用 ComputeUncertainty 获取结果的不确定性：

增大 MaxIterations 以提高估计的精度：

MaxIterations  (1)

在标称数据集上训练 "Multinormal" 分布：

需要进行随机预处理以将标称变量转换为数值变量；PDF 计算是近似的：

增大 MaxIterations 以提高估计的精度：

PerformanceGoal  (1)

在标称数据集上训练 "Multinormal" 分布：

需要进行随机预处理以将标称变量转换为数值变量；PDF 计算是近似的：

用 PerformanceGoal"Quality" 提高估计的精度：

与 PerformanceGoal"Speed" 时的结果进行比较：

Wolfram Research (2019)，LearnedDistribution，Wolfram 语言函数，https://reference.wolfram.com/language/ref/LearnedDistribution.html.

文本

Wolfram Research (2019)，LearnedDistribution，Wolfram 语言函数，https://reference.wolfram.com/language/ref/LearnedDistribution.html.

CMS

Wolfram 语言. 2019. "LearnedDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/LearnedDistribution.html.

APA

Wolfram 语言. (2019). LearnedDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/LearnedDistribution.html 年

BibTeX

@misc{reference.wolfram_2024_learneddistribution, author="Wolfram Research", title="{LearnedDistribution}", year="2019", howpublished="\url{https://reference.wolfram.com/language/ref/LearnedDistribution.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_learneddistribution, organization={Wolfram Research}, title={LearnedDistribution}, year={2019}, url={https://reference.wolfram.com/language/ref/LearnedDistribution.html}, note=[Accessed: 22-November-2024 ]}