Scipy marginalne sumy

Python jest najbardziej przyjaznym dla początkującym językiem programowania, który pozwala programistom pisać wszystkie programy ogólnego przez. Jedna z bibliotek z Pythona istnieje biblioteka uznana za „scipy”. Ta biblioteka jest odpowiedzialna za wykonanie każdego zadania, które jest najbardziej odpowiednie dla sztucznie inteligentnych systemów i operacji matematycznych, ponieważ ma domyślne funkcje używane do szkolenia modeli uczenia maszynowego i sieci neuronowych i wykonywania obliczeń. SCIPY oferuje atrybut lub moduł funkcyjny jako „sumy marginalne”. Ta funkcja oblicza sumę wszystkich wpisów, które istnieją w wierszach lub wpisach kolumn tablicy danego zestawu danych. Zestaw danych to tablica N-wymiarowa, która ma kilka wierszy i kolumn.

Procedura

Wyjaśnienie pojęcia sum marginalnych zostanie wyjaśnione w artykule. Dowiemy się również, jakie biblioteki są wymagane, co pozwoli nam pomyślnie uruchomić program oraz parametry i składnię do tego. W tym artykule zostanie również wyjaśniona funkcja sum marginalnej scipy. Platforma oprogramowania, z którą będziemy współpracować, to „Google COLLAB”, ponieważ ma wstępnie zainstalowane pakiety i oszczędza czas, przydzielając miejsce GPU dla naszego programu do ich wykonania.

Składnia

$ scipy.statystyki.przypadkowość.marginesy (tablica)

Funkcja, jak wspomniano wcześniej, wyjaśnia składnię sum marginalnych. Ta funkcja pochodzi z modułu Static. Parametry wejściowe zaangażowane w tę funkcję to tablica lub nd-array reprezentujący zestaw danych, dla którego chcemy znaleźć sumę krańcową.

Wartość zwracana

Funkcja zwraca wartość sum marginalnych w formie listy opartej na wymiarach tablicy. Tę sumę można pobrać, dodając wszystkie elementy wierszy lub kolumny w zestawie danych. Zatem zapiszymy wyniki ze wszystkich n-dymencji tablicy w liczbie „n” zmiennych.

Przykład nr 01

Metoda krańcowa z SCIPY przyjmuje ND-Array i oblicza dla niej sumę marginalną. W tym przykładzie znajdziemy sumę z funkcji krańcowej z Scipy. Aby rozpocząć od przykładu, otwórz nowy notebook w Google COLLAB, a następnie zapisz go pod jakąś nazwą. Laboratorium przydzieli przestrzeń pamięci dla Twojego programu. Aby pracować nad funkcją, musimy zadeklarować dowolny losowy zestaw danych, ponieważ zestaw danych jest tablicą wielowymiarową, abyśmy zadeklarowali tablicę w programie. Aby zadeklarować tablicę w programie, zaimportujemy pakiet Python „Numpy”. Ta biblioteka zapewnia import ważnych informacji wymaganych do ogłoszenia tablicy w programie. Zaimportujemy tę bibliotekę jako „NP”, NP będzie używany jako prefiks dla Numpy. Zdefiniujemy szereg dwóch wymiarów o „14” elementach (łącznie) losowo. Aby odpowiednio zdefiniować tę tablicę, użyjemy atrybutów Numpy „Umiej” i „przekształcenie”, funkcje te najpierw rozdzieli tablicę na czternaście elementów. Będą kształtować je odpowiednio w dwóch wymiarach, nazywając je prefiksem NP jako „NP. Ułóż (14).Reshape (2, 6) ”. Zapisz wyniki tej tablicy w pamięci pewnej zmiennej i nazwij ją „tablicą”.

Teraz, aby wziąć krańcową sumę dla tej tablicy, zaimportuj marginalną funkcję sum. Atrybut awaryjny ”, więc zintegruj statystyki Scipy. Atrybut awaryjności w krańcowej sumie funkcji „od Scipy.statystyki.Margines importu awaryjnego ”. Teraz możemy po prostu nazwać marginesy zamiast statystyk. awaryjność i może znaleźć sumę dla tablicy. Nazwij metodę marginalną sumę „margines ()” i przekazaj tablicę, którą zadeklarowaliśmy, i wyglądałoby to jak „margines (tablica)”. Zapiszemy wyniki z tego wywołania metody w dwóch zmiennych, „a” i „b”, aby wyświetlić wyniki.

Poniżej znajdują się kod i wyjście programu:

importować Numpy jako NP
od Scipy.statystyki.Margines importu awaryjnego
array = np.Arange (12).Reshape (2, 6)
Drukuj (tablica)
a, b = marginesy (tablica)
Drukuj (a)

Przykład nr 02

Ten przykład wyświetli, w jaki sposób możemy obliczyć sumę krańcową dla tablicy o więcej niż dwóch wymiarach. Biblioteki do importowania programu to „Numpy” i „Scipy.Stat.przypadkowość". Zaimportujemy oba te z prefiksem lub modułem odpowiednio jako „np” i „marginesy”. Korzystając z NP Numpy, nazwiemy funkcję „Umiej” i „przekształcenie” deklaracji trójwymiarowej tablicy, która byłaby nazywana „NP. Ułóż (12).Reshape (3,2,2) ”.Ta tablica będzie miała łącznie trzy wymiary, a elementy będą dokładnie „24”, rozmieszczone równo metodą aranżacji ().

Po tej definicji tablicy przekazamy tę tablicę do funkcji margines () i zapiszemy wyniki z funkcji w trzech różnych zmiennych. Z których jeden będzie miał informacje na temat krańcowych kwot tablicy, a pozostałe dwa będą miały informacje dotyczące rzędów tablic. Możemy więc po prostu je wydrukować i wiedzieć, jaka liczba wierszy w tablicy ma jako elementy. W ten sposób obliczamy krańcowe sumy dla trójwymiarowej tablicy. Załączaliśmy fragment kodu i wyjście dla tego programu poniżej. Skopiuj ten program i uruchom go tak, jak na dowolnym kompilatorze Python; Wygeneruje to samo wyjście.

importować Numpy jako NP
od Scipy.statystyki.Margines importu awaryjnego
array = np.Arange (12).Reshape (3,2,2)
druk („tablica: \ n”, tablica)
a, b, c = marginesy (tablica)
Drukuj („A: \ n”, a)
Drukuj („B: \ n”, b)
Drukuj („C: \ n”, c)

Wniosek

Funkcja sum marginalnej z SCIPY nie jest bezpośrednio dostępna, dlatego najpierw zaimportowaliśmy „statystyki” modułu z biblioteki Scipy i użyliśmy modułu „awaryjności” ze statystyk, aby uzyskać dostęp do sum marginalnych jako „marginesów”. Omówiliśmy wdrożenie dwóch przykładów sum marginalnych dla dwóch różnych nd-arrays o dwóch wymiarach jako dwa i trzy. Wyniki programów są pokazane i wyjaśnione w artykule.