《动手学深度学习》——2.6概率（掷色子）

学习李沐《动手学深度学习》笔记。

代码

import torch
from torch.distributions import multinomial
import matplotlib.pyplot as plt
# from d2l import torch as d2l

probs=torch.ones([6])/6

multinomial.Multinomial(5,probs).sample()

counts=multinomial.Multinomial(10,probs).sample((500,))

cum_counts=counts.cumsum(dim=0)
cum_counts

estimates=cum_counts/cum_counts.sum(dim=1,keepdims=True)
estimates

plt.figure(figsize=(6,4.5))
for i in range(6):
  plt.plot(estimates[:, i].numpy(),
  label=("P(die=" + str(i + 1) + ")"))
plt.axhline(y=0.167, color='black', linestyle='dashed')
plt.gca().set_xlabel('Groups of experiments')
plt.gca().set_ylabel('Estimated probability')
plt.legend() #对应label

代码解析

代码的输出在代码块里面，引号注释起来了。

import torch
from torch.distributions import multinomial
import matplotlib.pyplot as plt
# from d2l import torch as d2l

 使用原代码会报错module 'torch' has no attribute 'SymInt'，有文章说是d2l中的torch.py文件和其他文件重名，不知道怎么解决，索性不使用这个包了。

probs=torch.ones([6])/6
multinomial.Multinomial(5,probs).sample()
#tensor([0., 2., 0., 1., 2., 0.])

multinomial.Multinomial(5, probs)创建一个多项式分布对象，该对象可以模拟投掷5次骰子的实验。

生成一个1行6列的全1向量（张量），再除以6。然后随机抽到某列，某列数值加1，连续进行5次。

counts=multinomial.Multinomial(10,probs).sample((500,))
counts

cum_counts=counts.cumsum(dim=0)
cum_counts

'''
tensor([[0., 3., 2., 1., 2., 2.],
        [0., 1., 4., 2., 2., 1.],
        [0., 1., 0., 6., 0., 3.],
        ...,
        [2., 1., 2., 2., 1., 2.],
        [1., 2., 2., 1., 2., 2.],
        [1., 2., 2., 3., 0., 2.]])
tensor([[  0.,   3.,   2.,   1.,   2.,   2.],
        [  0.,   4.,   6.,   3.,   4.,   3.],
        [  0.,   5.,   6.,   9.,   4.,   6.],
        ...,
        [828., 802., 817., 869., 843., 821.],
        [829., 804., 819., 870., 845., 823.],
        [830., 806., 821., 873., 845., 825.]])
'''

进行500组实验，每组随机抽1次。然后每行按列相加。cumsum函数：返回沿给定轴的元素的累积和。给定轴如下图。

estimates=cum_counts/cum_counts.sum(dim=1,keepdims=True)
estimates

'''
tensor([[0.0000, 0.3000, 0.2000, 0.1000, 0.2000, 0.2000],
        [0.0000, 0.2000, 0.3000, 0.1500, 0.2000, 0.1500],
        [0.0000, 0.1667, 0.2000, 0.3000, 0.1333, 0.2000],
        ...,
        [0.1663, 0.1610, 0.1641, 0.1745, 0.1693, 0.1649],
        [0.1661, 0.1611, 0.1641, 0.1743, 0.1693, 0.1649],
        [0.1660, 0.1612, 0.1642, 0.1746, 0.1690, 0.1650]])
'''

每行除以每行的总和，求得概率。

plt.figure(figsize=(6,4.5))
for i in range(6):
  plt.plot(estimates[:, i].numpy(),
  label=("P(die=" + str(i + 1) + ")"))
plt.axhline(y=0.167, color='black', linestyle='dashed')
plt.gca().set_xlabel('Groups of experiments')
plt.gca().set_ylabel('Estimated probability')
plt.legend() #对应label