tensorflow - Tensorflow Probability 中每个实验的具有不同数量可能结果的分类分布
问题描述
在 Tensorflow Probability 中,如何使用分类分布编写模型,其中每个实验可以有不同数量的结果?
例如,假设我们有来自 3 个实验(a、b 和 c)的数据,其中前两个实验有两个可能的结果,第三个实验有 3 个可能的结果。我们有以下数组用于定义每个结果的概率的 logits
logits = [a_1, a_2, b_1, b_1, c_1, c_2, c_3]
所以我们在第一个实验中出现 1 的exp(a_1)/[exp(a_1) + exp(a_2)]
概率是 ,而在实验 3 中出现结果 2 的概率是exp(c_2)/[exp(c_1) + exp(c_2) + exp(c_3)]
,依此类推(你明白了)。
解决方案
也许您可以使用 -inf logits 填充较小的结果集。
IE
tfd.Categorical(logits=[[a_1, a_2, -inf],
[b_1, b_2, -inf],
[c_1, c_2, c_3]])
推荐阅读
- react-native - TabNavigator 子屏幕如何引用父 StackNavigator?
- apache-karaf - 无法使用 undertow 服务器保护 7.3 fuse 控制台
- google-api - 无法为 Google Docs API 设置适当的范围
- minify - 有人可以指导我如何在我的反应应用程序(firebase)中使用 imagemin-webp 吗?
- jquery - 如何使用 POST 方法将 jquery 中的数据传递到 laravel 控制器
- nghttp2 - 断言“!inside_callback_”失败
- javascript - 无法通过 nodejs 中的 nodemailer 发送电子邮件
- dynamics-crm - 使用带有访问令牌的 REST API 在 Dynamic365 CRM 中获取联系人列表的问题
- sql-server - 不同Scheme中表的SQL关系
- sql-server - datediff 两列不同行 sql