张量流概率中外行术语中的双射是什么
What is Bijectors in layman terms in tensorflow probability
我无法理解 Tensorflow-probability 中的 Bijectors。
如何使用它们。
standard_gumbel = tfd.TransformedDistribution(
distribution=tfd.Exponential(rate=1.),
bijector=tfb.Chain([
tfb.Affine(
scale_identity_multiplier=-1.,
event_ndims=0),
tfb.Invert(tfb.Exp()),
]))
双射子封装了change of variables的概率密度。
粗略地说，当您（平滑地和可逆地）将一个 space 映射到另一个时，您还推导了从初始 space 上的概率密度到目标 space 上的概率密度的映射].通常，此类转换将初始 space 中的 lengths/areas/volumes（度量）扭曲为目标 space 中的不同 lengths/areas/volumes。由于密度包含体积信息，我们需要跟踪这些扭曲，并在后者 space.
的概率密度计算中考虑它们
通过实施正向和反向变换以及对数雅可比行列式，双射函数为我们提供了变换随机样本和概率密度所需的所有信息。
我无法理解 Tensorflow-probability 中的 Bijectors。 如何使用它们。
standard_gumbel = tfd.TransformedDistribution(
distribution=tfd.Exponential(rate=1.),
bijector=tfb.Chain([
tfb.Affine(
scale_identity_multiplier=-1.,
event_ndims=0),
tfb.Invert(tfb.Exp()),
]))
双射子封装了change of variables的概率密度。
粗略地说，当您（平滑地和可逆地）将一个 space 映射到另一个时，您还推导了从初始 space 上的概率密度到目标 space 上的概率密度的映射].通常，此类转换将初始 space 中的 lengths/areas/volumes（度量）扭曲为目标 space 中的不同 lengths/areas/volumes。由于密度包含体积信息，我们需要跟踪这些扭曲，并在后者 space.
的概率密度计算中考虑它们通过实施正向和反向变换以及对数雅可比行列式，双射函数为我们提供了变换随机样本和概率密度所需的所有信息。