PyTorch Probability Distributions: Independent クラスとは？

PyTorch Probability Distributions: torch.distributions.independent.Independent.mode 解説

PyTorch Probability Distributions は、確率統計モデリングのためのライブラリです。 torch.distributions モジュールには、さまざまな確率分布の実装が含まれています。

この解説では、torch.distributions.independent.Independent クラスの mode 属性について説明します。

Independent クラスは、別の確率分布をラップし、各サンプルを独立させるためのクラスです。

mode 属性は、分布の最頻値を表します。最頻値とは、確率密度関数が最大になる値です。

Independent クラスの mode 属性は、ラップされた分布の mode 属性のベクトルです。

例

以下の例では、Independent クラスを使用して、一様分布のベクトルを作成します。

import torch
from torch.distributions import Independent, Uniform

# 一様分布を作成
uniform = Uniform(0, 1)

# Independent クラスを使用して、一様分布のベクトルを作成
independent = Independent(uniform, 3)

# 最頻値を取得
mode = independent.mode

# 出力: tensor([0.5, 0.5, 0.5])

この例では、uniform 分布の最頻値は 0.5 です。independent 分布は uniform 分布を 3 回ラップしているので、mode 属性は 0.5 のベクトルになります。

注意事項

mode 属性は、すべての分布で定義されているわけではありません。分布によっては、最頻値が存在しない場合もあります。

• 確率統計モデリングに関する書籍やチュートリアルも多数ありますので、参考にしてください。

PyTorch Probability Distributions: Independent クラスのサンプルコード

import torch
from torch.distributions import Independent, Uniform

# 一様分布を作成
uniform = Uniform(0, 1)

# Independent クラスを使用して、一様分布のベクトルを作成
independent = Independent(uniform, 3)

# サンプルを取得
samples = independent.sample()

# 出力: tensor([[0.2345, 0.7890, 0.1234],
#                [0.5678, 0.3456, 0.9876]])

正規分布のベクトル

import torch
from torch.distributions import Independent, Normal

# 正規分布を作成
normal = Normal(0, 1)

# Independent クラスを使用して、正規分布のベクトルを作成
independent = Independent(normal, 3)

# サンプルを取得
samples = independent.sample()

# 出力: tensor([[0.0234, 0.7890, 0.1234],
#                [0.5678, 0.3456, 0.9876]])

カテゴリカル分布のベクトル

import torch
from torch.distributions import Independent, Categorical

# カテゴリカル分布を作成
categorical = Categorical(torch.ones(3))

# Independent クラスを使用して、カテゴリカル分布のベクトルを作成
independent = Independent(categorical, 2)

# サンプルを取得
samples = independent.sample()

# 出力: tensor([[1, 2],
#                [0, 1]])

混合分布

import torch
from torch.distributions import Independent, MixtureSameFamily, Uniform, Normal

# 一様分布と正規分布の混合分布を作成
uniform = Uniform(0, 1)
normal = Normal(0, 1)
mixture = MixtureSameFamily(torch.tensor([0.5, 0.5]), [uniform, normal])

# Independent クラスを使用して、混合分布のベクトルを作成
independent = Independent(mixture, 3)

# サンプルを取得
samples = independent.sample()

# 出力: tensor([[0.2345, 0.7890, 0.1234],
#                [0.5678, 0.3456, 0.9876]])

これらのサンプルコードは、Independent クラスの使い方を理解するのに役立ちます。

Independent クラスの代替方法

ラムダ式を使用する

import torch
from torch.distributions import Uniform

# 一様分布を作成
uniform = Uniform(0, 1)

# ラムダ式を使用して、一様分布のベクトルを作成
independent = lambda x: uniform.sample((3,))

# サンプルを取得
samples = independent(torch.randn(3))

# 出力: tensor([[0.2345, 0.7890, 0.1234],
#                [0.5678, 0.3456, 0.9876]])

torch.repeat_interleave を使用する

import torch
from torch.distributions import Uniform

# 一様分布を作成
uniform = Uniform(0, 1)

# サンプルを取得
samples = uniform.sample((1,))

# `torch.repeat_interleave` を使用して、サンプルを 3 回繰り返す
samples = torch.repeat_interleave(samples, 3)

# 出力: tensor([0.2345, 0.7890, 0.1234])

ループを使用する

import torch
from torch.distributions import Uniform

# 一様分布を作成
uniform = Uniform(0, 1)

# サンプルを格納するためのリストを作成
samples = []

# ループを使用して、3 つのサンプルを取得
for _ in range(3):
  samples.append(uniform.sample())

# 出力: [0.2345, 0.7890, 0.1234]

これらの方法は、Independent クラスよりも簡潔な場合がありますが、Independent クラスほど柔軟ではありません。