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。