tf.multinomial如何工作？声明Here“从多项分布中抽取样本”。这意味着什么？
最佳答案
如果您执行的实验n时间只能有两个结果（成功或失败，头部或尾部等），那么获得两个结果之一（成功）的次数就是一个二项式随机变量。
换句话说，如果您执行的实验只能有两个结果（成功或失败，头部或尾部等），则随机变量在成功的情况下为1，在失败的情况下为0。伯努利随机变量。
如果您执行的实验n次可能具有K个结果（其中K可以是任何自然数），并且用X_i表示获得第i个结果的次数，则随机向量X定义为
X = [X_1，X_2，X_3，...，X_K]
是多项式随机向量。
换句话说，如果您执行的实验可能具有K个结果，并且用X_i表示一个随机变量，如果您获得第i个结果，则该变量的值为1，否则为0，则随机向量X定义为
X = [X_1，X_2，X_3，...，X_K]
是Multinoulli随机向量。换句话说，当获得第i个结果时，Multinoulli随机向量X的第i个条目的值为1，而所有其他条目的值为0。
因此，多项式分布可以看作是相互独立的Multinoulli随机变量的总和。K可能结果的概率将表示为
p_1，p_2，p_3，...，p_K
Tensorflow中的一个例子
In [171]: isess = tf.InteractiveSession()
In [172]: prob = [[.1, .2, .7], [.3, .3, .4]] # Shape [2, 3]
...: dist = tf.distributions.Multinomial(total_count=[4., 5], probs=prob)
...:
...: counts = [[2., 1, 1], [3, 1, 1]]
...: isess.run(dist.prob(counts)) # Shape [2]
...:
Out[172]: array([ 0.0168 , 0.06479999], dtype=float32)
注意：多项式与
K = 2时的二项式分布。有关更多信息，请参考：tf.distributions.Multinomial关于tensorflow - tf。多项式如何工作？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48390958/