LearnedDistribution

LearnedDistribution[…]

LearnDistributionによって生成された分布を表す．

詳細とオプション

  • LearnedDistribution[…]には次の関数を使うことができる．
  • PDF[dist,…]データの確率または確率密度
    RandomVariate[dist]分布から生成されたランダムサンプル
    SynthesizeMissingValues[dist,…]分布に従って欠落値を埋める
    RarerProbability[dist,…]確率を計算して与えられた例よりもPDFが低いサンプルを生成する
  • LearnedDistribution[…]に対して使うとき，関数PDFおよび関数RarerProbabilityには次のオプションを使うことができる．
  • PerformanceGoal Automatic最適化するパフォーマンスの局面
    MaxIterations Automaticモンテカルロ積分法を行う際の反復数
    ComputeUncertainty False確率をその不確かさとともに返すかどうか
  • 次は，PerformanceGoalの可能な設定である．
  • "Quality"結果の品質を最大にする
    "Speed"結果のスピードを最大にする
    Automaticスピードと品質の間の自動トレードオフ
  • Information[LearnedDistribution[…]]は，分布とその推定されるパフォーマンスについての情報パネルを生成する．
  • Information[LearnedDistribution[…],prop]を使って特定の特性を得ることができる．
  • LearnedDistributionのInformationは次の特性を含むことがある．
  • "BatchPDFTime"バッチが与えられたときに，PDFを1つの例に適用する限界時間
    "BatchSamplingTime"バッチ中の1つの例を生成する限界時間
    "Entropy"分布の推定エントロピー
    "ExampleNumber"訓練例の数
    "FeatureTypes"分布変数のタイプ
    "FunctionMemory"分布の保存に必要なメモリ
    "LearningCurve"訓練集合サイズの関数としてのパフォーマンス
    "MaxTrainingMemory"訓練中に使用された最大メモリ
    "Method"LearnDistributionが使用したMethodの値
    "MethodDescription"メソッドのまとめ
    "MethodOption"新たな訓練の際に使用される完全なメソッドオプション
    "PDFTime"PDFを一意的な例に適用するのにかかった時間
    "Properties"この分布が使用可能なすべての情報特性
    "SamplingTime"1つの例のサンプルを取るのにかかる時間
    "TrainingTime"LearnDistributionが分布を生成するのにかかった時間
  • Information特性は，すべてのメソッドのサブオプションも含んでいる．

例題

すべて開くすべて閉じる

例  (3)

LearnedDistribution[…]を数値のデータ集合で訓練する：

分布のInformationを見る：

使用可能な情報の特性を得る：

学習した分布に基づいて新たな例を生成する：

新たな例の確率密度分布を計算する：

LearnedDistribution[…]を名義的データ集合で訓練する：

学習した分布に基づいて新たな例を生成する：

例"A"と例"B"の確率を計算する：

LearnedDistribution[…]を二次元データ集合で訓練する：

学習した分布に基づいて新たな例を生成する：

2つの例の確率を計算する：

例の中で欠落した値を置換する：

オプション  (3)

ComputeUncertainty  (1)

"Multinormal"分布を名義的データ集合で訓練する：

名義変数を数値の変数に変換するためには確率的前処理が必要である．確率密度関数(PDF)の計算は近似的である：

ComputeUncertaintyを使って結果の不確かさを得る：

MaxIterationsを大きくして推定精度を上げる：

MaxIterations  (1)

"Multinormal"分布を名義的データ集合で訓練する：

名義変数を数値の変数に変換するためには確率的前処理が必要である．確率密度関数(PDF)の計算は近似的である：

MaxIterationsを大きくして推定精度を上げる：

PerformanceGoal  (1)

"Multinormal"分布を名義的データ集合で訓練する：

名義変数を数値の変数に変換するためには確率的前処理が必要である．確率密度関数(PDF)の計算は近似的である：

PerformanceGoal"Quality"を大きくして推定精度を上げる：

PerformanceGoal"Speed"と比較する：

Wolfram Research (2019), LearnedDistribution, Wolfram言語関数， https://reference.wolfram.com/language/ref/LearnedDistribution.html.

テキスト

Wolfram Research (2019), LearnedDistribution, Wolfram言語関数， https://reference.wolfram.com/language/ref/LearnedDistribution.html.

CMS

Wolfram Language. 2019. "LearnedDistribution." Wolfram Language & System Documentation Center. Wolfram Research. https://reference.wolfram.com/language/ref/LearnedDistribution.html.

APA

Wolfram Language. (2019). LearnedDistribution. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/LearnedDistribution.html

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: 17-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: 17-November-2024 ]}