mindspore.nn.probability.distribution.Poisson

class mindspore.nn.probability.distribution.Poisson(rate=None, seed=None, dtype=mstype.float32, name='Poisson')[源代码]

泊松分布（Poisson Distribution）。离散随机分布，取值范围为正自然数集，概率质量函数为

\[P(X = k) = \lambda^k \exp(-\lambda) / k!, k = 1, 2, ...\]

其中 \(\lambda\) 为率参数(rate)。

参数：

rate (list, numpy.ndarray, Tensor) - 泊松分布的率参数。默认值： None 。
seed (int) - 采样时使用的种子。如果为None，则使用全局种子。默认值： None 。
dtype (mindspore.dtype) - 事件样例的类型。默认值： mstype.float32 。
name (str) - 分布的名称。默认值： 'Poisson' 。

说明

rate 必须大于0。 dist_spec_args 是 rate。

异常：

ValueError - rate 中元素小于0。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import mindspore.nn as nn
>>> import mindspore.nn.probability.distribution as msd
>>> from mindspore import Tensor
>>> # To initialize an Poisson distribution of the rate 0.5.
>>> p1 = msd.Poisson([0.5], dtype=mindspore.float32)
>>> # An Poisson distribution can be initialized without arguments.
>>> # In this case, `rate` must be passed in through `args` during function calls.
>>> p2 = msd.Poisson(dtype=mindspore.float32)
>>>
>>> # Here are some tensors used below for testing
>>> value = Tensor([1, 2, 3], dtype=mindspore.int32)
>>> rate_a = Tensor([0.6], dtype=mindspore.float32)
>>> rate_b = Tensor([0.2, 0.5, 0.4], dtype=mindspore.float32)
>>>
>>> # Private interfaces of probability functions corresponding to public interfaces, including
>>> # `prob`, `log_prob`, `cdf`, `log_cdf`, `survival_function`, and `log_survival`, are the same as follows.
>>> # Args:
>>> #     value (Tensor): the value to be evaluated.
>>> #     rate (Tensor): the rate of the distribution. Default: self.rate.
>>> # Examples of `prob`.
>>> # Similar calls can be made to other probability functions
>>> # by replacing `prob` by the name of the function.
>>> ans = p1.prob(value)
>>> print(ans.shape)
(3,)
>>> # Evaluate with respect to distribution b.
>>> ans = p1.prob(value, rate_b)
>>> print(ans.shape)
(3,)
>>> # `rate` must be passed in during function calls.
>>> ans = p2.prob(value, rate_a)
>>> print(ans.shape)
(3,)
>>> # Functions `mean`, `mode`, `sd`, and 'var' have the same arguments as follows.
>>> # Args:
>>> #     rate (Tensor): the rate of the distribution. Default: self.rate.
>>> # Examples of `mean`, `sd`, `mode`, and `var` are similar.
>>> ans = p1.mean() # return 2
>>> print(ans.shape)
(1,)
>>> ans = p1.mean(rate_b) # return 1 / rate_b
>>> print(ans.shape)
(3,)
>>> # `rate` must be passed in during function calls.
>>> ans = p2.mean(rate_a)
>>> print(ans.shape)
(1,)
>>> # Examples of `sample`.
>>> # Args:
>>> #     shape (tuple): the shape of the sample. Default: ()
>>> #     probs1 (Tensor): the rate of the distribution. Default: self.rate.
>>> ans = p1.sample()
>>> print(ans.shape)
(1, )
>>> ans = p1.sample((2,3))
>>> print(ans.shape)
(2, 3, 1)
>>> ans = p1.sample((2,3), rate_b)
>>> print(ans.shape)
(2, 3, 3)
>>> ans = p2.sample((2,3), rate_a)
>>> print(ans.shape)
(2, 3, 1)

property rate

返回分布的 rate 参数。

返回：: Tensor，rate 参数的值。

cdf(value, rate)

在给定值下计算累积分布函数（Cumulatuve Distribution Function, CDF）。

参数：

value (Tensor) - 要计算的值。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，累积分布函数的值。

log_cdf(value, rate)

计算给定值对于的累积分布函数的对数。

参数：

value (Tensor) - 要计算的值。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，累积分布函数的对数。

log_prob(value, rate)

计算给定值对应的概率的对数。

参数：

value (Tensor) - 要计算的值。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，累积分布函数的对数。

log_survival(value, rate)

计算给定值对应的生存函数的对数。

参数：

value (Tensor) - 要计算的值。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，生存函数的对数。

mean(rate)

计算期望。

参数：

rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，概率分布的期望。

mode(rate)

计算众数。

参数：

rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，概率分布的众数。

prob(value, rate)

计算给定值下的概率。对于离散分布是计算概率质量函数（Probability Mass Function）。

参数：

value (Tensor) - 要计算的值。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，概率值。

sample(shape, rate)

采样函数。

参数：

shape (tuple) - 样本的shape。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，根据概率分布采样的样本。

sd(rate)

计算标准差。

参数：

rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，概率分布的标准差。

survival_function(value, rate)

计算给定值对应的生存函数。

参数：

value (Tensor) - 要计算的值。
rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，生存函数的值。

var(rate)

计算方差。

参数：

rate (Tensor) - 率参数(rate)。默认值： None 。

返回：

Tensor，概率分布的方差。