python - 如何在 TensorFlow Probability 中创建分布数组？

Question

我正在尝试使用 Tensorflow Probability 编写代码，以使用 EM 算法对一组样本(来自多个高斯分布)进行分类。

因为我想为任何一般问题编写此代码(如果样本来自 2 个高斯分布或 8 个高斯分布，我希望它能够工作)。

我现在遇到的问题是我找不到创建tfd.Normal数组的方法。

我想将其作为数组(或其他类似类型的数据)，因为这样我可以处理不确定数量的分布。

谁能帮我解决这个问题吗？

下面的代码可以解决吗？

true_mu = np.array([20,60], dtype=np.float64)
true_sigma = np.array([8,4], dtype=np.float64)  
true_dist = tfd.Normal(loc=true_mu, scale=true_sigma)

Answer 1

TFP 发行版具有开箱即用的批量功能。您的代码应该可以工作，并表示 2 个正态分布的向量，其中第一个是 N(X|20, 8)，第二个是 N(X|60, 4).

您可以通过 true_dist.batch_shape 查询(在本例中将返回 [2])。

您现在可以采样:true_dist.sample()(返回形状为 [2] 的 float64)。

您可以计算概率:true_dist.log_prob(0)(返回形状为[2]的 float64，表示[log N(0|20, 8), log N(0|60, 4)])。

您可以估计每个批处理成员的独立概率:true_dist.log_prob([0, 1])(返回形状为[2]<的float64/code>，代表[log N(0|20, 8), log N(1|60, 4)])。

另请注意，TFP 分布会广播其参数，因此如果您想要两个具有相同位置和不同比例的法线，您可以编写 tfd.Normal(0, [10, 20])。