jax.scipy 模块#

jax.scipy.cluster#

vq(obs, code_book[, check_finite])

将代码本中的代码分配给一组观测值。

jax.scipy.fft#

dct(x[, type, n, axis, norm])

计算输入的离散余弦变换

dctn(x[, type, s, axes, norm])

计算输入的多维离散余弦变换

idct(x[, type, n, axis, norm])

计算输入的逆离散余弦变换

idctn(x[, type, s, axes, norm])

计算输入的多维逆离散余弦变换。

jax.scipy.integrate#

trapezoid(y[, x, dx, axis])

使用复合梯形法则沿给定轴积分。

jax.scipy.interpolate#

RegularGridInterpolator(points, values[, ...])

在规则矩形网格上插值点。

jax.scipy.linalg#

block_diag(*arrs)

从输入数组创建块对角矩阵。

cho_factor(a[, lower, overwrite_a, check_finite])

基于Cholesky分解的线性求解的分解。

cho_solve(c_and_lower, b[, overwrite_b, ...])

使用Cholesky分解求解线性系统。

cholesky(a[, lower, overwrite_a, check_finite])

计算矩阵的Cholesky分解。

det(a[, overwrite_a, check_finite])

计算矩阵的行列式。

eigh()

计算厄米特矩阵的特征值和特征向量。

eigh_tridiagonal(d, e, *[, eigvals_only, ...])

求解对称实三对角矩阵的特征值问题。

expm(A, *[, upper_triangular, max_squarings])

计算矩阵指数。

expm_frechet()

计算矩阵指数的Fréchet导数。

funm(A, func[, disp])

评估矩阵值函数。

hessenberg()

计算矩阵的Hessenberg形式。

hilbert(n)

创建阶数为n的希尔伯特矩阵。

inv(a[, overwrite_a, check_finite])

返回方阵的逆矩阵。

lu()

计算LU分解。

lu_factor(a[, overwrite_a, check_finite])

基于LU分解的线性求解的分解。

lu_solve(lu_and_piv, b[, trans, ...])

使用LU分解求解线性系统。

polar(a[, side, method, eps, max_iterations])

计算极分解。

qr()

计算数组的QR分解。

rsf2csf(T, Z[, check_finite])

将实数舒尔形式转换为复数舒尔形式。

schur(a[, output])

计算舒尔分解。

solve(a, b[, lower, overwrite_a, ...])

求解线性方程组。

solve_triangular(a, b[, trans, lower, ...])

求解三角线性方程组。

sqrtm(A[, blocksize])

计算矩阵平方根。

svd()

计算奇异值分解。

toeplitz(c[, r])

构造托普利兹矩阵。

jax.scipy.ndimage#

map_coordinates(input, coordinates, order[, ...])

使用插值将输入数组映射到新坐标。

jax.scipy.optimize#

minimize(fun, x0[, args, tol, options])

一个或多个变量的标量函数的最小化。

OptimizeResults(x, success, status, fun, ...)

保存优化结果的对象。

jax.scipy.signal#

fftconvolve(in1, in2[, mode, axes])

使用快速傅里叶变换(FFT)卷积两个N维数组。

convolve(in1, in2[, mode, method, precision])

两个N维数组的卷积。

convolve2d(in1, in2[, mode, boundary, ...])

两个二维数组的卷积。

correlate(in1, in2[, mode, method, precision])

两个N维数组的互相关。

correlate2d(in1, in2[, mode, boundary, ...])

两个二维数组的互相关。

csd(x, y[, fs, window, nperseg, noverlap, ...])

使用Welch方法估计互功率谱密度(CSD)。

detrend(data[, axis, type, bp, overwrite_data])

从数据中去除线性或分段线性趋势。

istft(Zxx[, fs, window, nperseg, noverlap, ...])

执行逆短时傅里叶变换(ISTFT)。

stft(x[, fs, window, nperseg, noverlap, ...])

计算短时傅里叶变换(STFT)。

welch(x[, fs, window, nperseg, noverlap, ...])

使用Welch方法估计功率谱密度(PSD)。

jax.scipy.spatial.transform#

Rotation(quat)

三维旋转。

Slerp(times, timedelta, rotations, rotvecs)

旋转的球面线性插值。

jax.scipy.sparse.linalg#

bicgstab(A, b[, x0, tol, atol, maxiter, M])

使用双共轭梯度稳定迭代求解Ax = b

cg(A, b[, x0, tol, atol, maxiter, M])

使用共轭梯度迭代求解Ax = b

gmres(A, b[, x0, tol, atol, restart, ...])

GMRES 求解线性系统 A x = b,其中已知 A 和 b。

jax.scipy.special#

bernoulli(n)

生成前N个伯努利数。

beta()

贝塔函数。

betainc(a, b, x)

正则化不完全贝塔函数。

betaln(a, b)

beta 函数绝对值的自然对数

digamma(x)

双伽马函数

entr(x)

熵函数

erf(x)

误差函数

erfc(x)

误差函数的补函数

erfinv(x)

误差函数的反函数

exp1(x)

指数积分函数。

expi

指数积分函数。

expit(x)

逻辑 sigmoid(expit)函数

expn

广义指数积分函数。

factorial(n[, exact])

阶乘函数

fresnel

菲涅耳积分

gamma(x)

伽马函数。

gammainc(a, x)

正则化下不完全伽马函数。

gammaincc(a, x)

正则化上不完全伽马函数。

gammaln(x)

伽马函数绝对值的自然对数。

gammasgn(x)

伽马函数的符号。

hyp1f1

1F1 超几何函数。

i0(x)

零阶修正贝塞尔函数。

i0e(x)

零阶指数缩放修正贝塞尔函数。

i1(x)

一阶修正贝塞尔函数。

i1e(x)

一阶指数缩放修正贝塞尔函数。

kl_div(p, q)

Kullback-Leibler 散度。

log_ndtr

对数正态分布函数。

log_softmax(x, /, *[, axis])

对数 Softmax 函数。

logit

logit 函数

logsumexp()

对数-求和-指数约简。

lpmn(m, n, z)

第一类伴随勒让德函数 (ALF)。

lpmn_values(m, n, z, is_normalized)

第一类伴随勒让德函数 (ALF)。

multigammaln(a, d)

多元伽马函数的自然对数。

ndtr(x)

正态分布函数。

ndtri(p)

正态分布函数的 CDF 的反函数。

poch

波赫哈默符号。

polygamma(n, x)

多伽马函数。

rel_entr(p, q)

相对熵函数。

softmax(x, /, *[, axis])

Softmax 函数。

spence(x)

斯宾塞函数,也称为实数值的二对数。

sph_harm(m, n, theta, phi[, n_max])

计算球谐函数。

xlog1py

计算 x*log(1 + y),对于 x=0 返回 0。

xlogy

计算 x*log(y),对于 x=0 返回 0。

zeta

赫维茨 zeta 函数。

jax.scipy.stats#

mode(a[, axis, nan_policy, keepdims])

沿数组的轴计算众数(最常见的值)。

rankdata(a[, method, axis, nan_policy])

沿数组轴计算数据的秩。

sem(a[, axis, ddof, nan_policy, keepdims])

计算均值的标准误差。

jax.scipy.stats.bernoulli#

logpmf(k, p[, loc])

伯努利对数概率质量函数。

pmf(k, p[, loc])

伯努利概率质量函数。

cdf(k, p)

伯努利累积分布函数。

ppf(q, p)

伯努利百分位点函数。

jax.scipy.stats.beta#

logpdf(x, a, b[, loc, scale])

Beta 对数概率分布函数。

pdf(x, a, b[, loc, scale])

Beta 概率分布函数。

cdf(x, a, b[, loc, scale])

Beta 累积分布函数

logcdf(x, a, b[, loc, scale])

Beta 对数累积分布函数。

sf(x, a, b[, loc, scale])

Beta 分布生存函数。

logsf(x, a, b[, loc, scale])

Beta 分布对数生存函数。

jax.scipy.stats.betabinom#

logpmf(k, n, a, b[, loc])

Beta-二项式对数概率质量函数。

pmf(k, n, a, b[, loc])

Beta-二项式概率质量函数。

jax.scipy.stats.binom#

logpmf(k, n, p[, loc])

二项式对数概率质量函数。

pmf(k, n, p[, loc])

二项式概率质量函数。

jax.scipy.stats.cauchy#

logpdf(x[, loc, scale])

柯西对数概率分布函数。

pdf(x[, loc, scale])

柯西概率分布函数。

cdf(x[, loc, scale])

柯西累积分布函数。

logcdf(x[, loc, scale])

柯西对数累积分布函数。

sf(x[, loc, scale])

柯西分布的对数生存函数。

logsf(x[, loc, scale])

柯西分布的对数生存函数。

isf(q[, loc, scale])

柯西分布的反生存函数。

ppf(q[, loc, scale])

柯西分布的分位数函数。

jax.scipy.stats.chi2#

logpdf(x, df[, loc, scale])

卡方分布的对数概率密度函数。

pdf(x, df[, loc, scale])

卡方分布的概率密度函数。

cdf(x, df[, loc, scale])

卡方分布的累积分布函数。

logcdf(x, df[, loc, scale])

卡方分布的对数累积分布函数。

sf(x, df[, loc, scale])

卡方分布的生存函数。

logsf(x, df[, loc, scale])

卡方分布的对数生存函数。

jax.scipy.stats.dirichlet#

logpdf(x, alpha)

狄利克雷分布的对数概率密度函数。

pdf(x, alpha)

狄利克雷分布的概率密度函数。

jax.scipy.stats.expon#

logpdf(x[, loc, scale])

指数分布的对数概率密度函数。

pdf(x[, loc, scale])

指数分布的概率密度函数。

jax.scipy.stats.gamma#

logpdf(x, a[, loc, scale])

伽马分布的对数概率密度函数。

pdf(x, a[, loc, scale])

伽马分布的概率密度函数。

cdf(x, a[, loc, scale])

伽马分布的累积分布函数。

logcdf(x, a[, loc, scale])

伽马分布的对数累积分布函数。

sf(x, a[, loc, scale])

伽马分布的生存函数。

logsf(x, a[, loc, scale])

伽马分布的对数生存函数。

jax.scipy.stats.gennorm#

cdf(x, beta)

广义正态分布的累积分布函数。

logpdf(x, beta)

广义正态分布的对数概率密度函数。

pdf(x, beta)

广义正态分布的概率密度函数。

jax.scipy.stats.geom#

logpmf(k, p[, loc])

几何分布的对数概率质量函数。

pmf(k, p[, loc])

几何分布的概率质量函数。

jax.scipy.stats.laplace#

cdf(x[, loc, scale])

拉普拉斯分布的累积分布函数。

logpdf(x[, loc, scale])

拉普拉斯分布的对数概率密度函数。

pdf(x[, loc, scale])

拉普拉斯分布的概率密度函数。

jax.scipy.stats.logistic#

cdf(x[, loc, scale])

逻辑斯蒂分布的累积分布函数。

isf(x[, loc, scale])

逻辑斯蒂分布的反生存函数。

logpdf(x[, loc, scale])

逻辑斯蒂分布的对数概率密度函数。

pdf(x[, loc, scale])

逻辑斯蒂分布的概率密度函数。

ppf(x[, loc, scale])

逻辑斯蒂分布的分位数函数。

sf(x[, loc, scale])

逻辑斯蒂分布的生存函数。

jax.scipy.stats.multinomial#

logpmf(x, n, p)

多项分布的对数概率质量函数。

pmf(x, n, p)

多项分布的概率质量函数。

jax.scipy.stats.multivariate_normal#

logpdf(x, mean, cov[, allow_singular])

多元正态分布的对数概率密度函数。

pdf(x, mean, cov)

多元正态分布的概率密度函数。

jax.scipy.stats.nbinom#

logpmf(k, n, p[, loc])

负二项分布的对数概率质量函数。

pmf(k, n, p[, loc])

负二项分布的概率质量函数。

jax.scipy.stats.norm#

logpdf(x[, loc, scale])

正态分布的对数概率密度函数。

pdf(x[, loc, scale])

正态分布的概率密度函数。

cdf(x[, loc, scale])

正态分布的累积分布函数。

logcdf(x[, loc, scale])

正态分布的对数累积分布函数。

ppf(q[, loc, scale])

正态分布的分位数函数。

sf(x[, loc, scale])

正态分布的生存函数。

logsf(x[, loc, scale])

正态分布的对数生存函数。

isf(q[, loc, scale])

正态分布的反生存函数。

jax.scipy.stats.pareto#

logpdf(x, b[, loc, scale])

帕累托对数概率分布函数。

pdf(x, b[, loc, scale])

帕累托概率分布函数。

jax.scipy.stats.poisson#

logpmf(k, mu[, loc])

泊松对数概率质量函数。

pmf(k, mu[, loc])

泊松概率质量函数。

cdf(k, mu[, loc])

泊松累积分布函数。

jax.scipy.stats.t#

logpdf(x, df[, loc, scale])

学生t分布的对数概率分布函数。

pdf(x, df[, loc, scale])

学生t分布的概率分布函数。

jax.scipy.stats.truncnorm#

cdf(x, a, b[, loc, scale])

截断正态累积分布函数。

logcdf(x, a, b[, loc, scale])

截断正态对数累积分布函数。

logpdf(x, a, b[, loc, scale])

截断正态对数概率分布函数。

logsf(x, a, b[, loc, scale])

截断正态分布对数生存函数。

pdf(x, a, b[, loc, scale])

截断正态概率分布函数。

sf(x, a, b[, loc, scale])

截断正态分布对数生存函数。

jax.scipy.stats.uniform#

logpdf(x[, loc, scale])

均匀对数概率分布函数。

pdf(x[, loc, scale])

均匀概率分布函数。

cdf(x[, loc, scale])

均匀累积分布函数。

ppf(q[, loc, scale])

均匀分布分位数函数。

jax.scipy.stats.gaussian_kde#

gaussian_kde(dataset[, bw_method, weights])

高斯核密度估计器

gaussian_kde.evaluate(points)

在给定点上评估高斯KDE。

gaussian_kde.integrate_gaussian(mean, cov)

用高斯加权积分分布。

gaussian_kde.integrate_box_1d(low, high)

在给定范围内积分分布。

gaussian_kde.integrate_kde(other)

积分两个高斯KDE分布的乘积。

gaussian_kde.resample(key[, shape])

从估计的pdf中随机采样数据集

gaussian_kde.pdf(x)

概率密度函数

gaussian_kde.logpdf(x)

对数概率密度函数

jax.scipy.stats.vonmises#

logpdf(x, kappa)

冯米塞斯对数概率分布函数。

pdf(x, kappa)

冯米塞斯概率分布函数。

jax.scipy.stats.wrapcauchy#

logpdf(x, c)

包裹柯西对数概率分布函数。

pdf(x, c)

包裹柯西概率分布函数。