jax.scipy 模組#

jax.scipy.cluster#

vq(obs, code_book[, check_finite])

將代碼簿中的代碼指派給一組觀測值。

jax.scipy.fft#

dct(x[, type, n, axis, norm])

計算輸入的離散餘弦變換

dctn(x[, type, s, axes, norm])

計算輸入的多維離散餘弦變換

idct(x[, type, n, axis, norm])

計算輸入的逆離散餘弦變換

idctn(x[, type, s, axes, norm])

計算輸入的多維逆離散餘弦變換

jax.scipy.integrate#

trapezoid(y[, x, dx, axis])

使用複合梯形法則沿給定軸積分。

jax.scipy.interpolate#

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

在規則矩形網格上內插點。

jax.scipy.linalg#

block_diag(*arrs)

從輸入陣列建立區塊對角矩陣。

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

基於 Cholesky 分解的線性求解的因式分解

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

使用 Cholesky 分解求解線性系統

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

計算矩陣的 Cholesky 分解。

det(a[, overwrite_a, check_finite])

計算矩陣的行列式

eigh()

計算 Hermitian 矩陣的特徵值和特徵向量

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

求解對稱實三對角矩陣的特徵值問題

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

計算矩陣指數

expm_frechet()

計算矩陣指數的 Frechet 導數。

funm(A, func[, disp])

評估矩陣值函數

hessenberg()

計算矩陣的 Hessenberg 形式

hilbert(n)

建立 n 階 Hilbert 矩陣。

inv(a[, overwrite_a, check_finite])

傳回方陣的反矩陣

lu()

計算 LU 分解

lu_factor(a[, overwrite_a, check_finite])

基於 LU 分解的線性求解的因式分解

lu_solve(lu_and_piv, b[, trans, ...])

使用 LU 分解求解線性系統

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

計算極分解。

qr()

計算陣列的 QR 分解

rsf2csf(T, Z[, check_finite])

將實 Schur 形式轉換為複數 Schur 形式。

schur(a[, output])

計算 Schur 分解

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

求解線性方程式系統

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

求解三角形線性方程式系統

sqrtm(A[, blocksize])

計算矩陣平方根

svd()

計算奇異值分解。

toeplitz(c[, r])

建構 Toeplitz 矩陣。

jax.scipy.ndimage#

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

使用內插將輸入陣列映射到新座標。

jax.scipy.optimize#

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

最小化一個或多個變數的純量函數。

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

保存最佳化結果的物件。

jax.scipy.signal#

fftconvolve(in1, in2[, mode, axes])

使用快速傅立葉變換 (FFT) 卷積兩個 N 維陣列。

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

兩個 N 維陣列的卷積。

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

兩個 2 維陣列的卷積。

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

兩個 N 維陣列的互相關。

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

兩個 2 維陣列的互相關。

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

使用 Welch 方法估計交叉功率譜密度 (CSD)。

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

從資料中移除線性或分段線性趨勢。

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

執行反向短時傅立葉變換 (ISTFT)。

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

計算短時傅立葉變換 (STFT)。

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

使用 Welch 方法估計功率譜密度 (PSD)。

jax.scipy.spatial.transform#

Rotation(quat)

3 維旋轉。

Slerp(times, timedelta, rotations, rotvecs)

旋轉的球面線性內插。

jax.scipy.sparse.linalg#

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

使用雙共軛梯度穩定迭代法求解 Ax = b。

cg(A, b[, x0, tol, atol, maxiter, M])

使用共軛梯度迭代法求解 Ax = b。

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

GMRES 求解線性系統 A x = b 以求 x，給定 A 和 b。

jax.scipy.special#

bernoulli(n)

產生前 N 個白努利數。

beta(a, b)

beta 函數

betainc(a, b, x)

正規化不完全 beta 函數。

betaln(a, b)

beta 函數絕對值的自然對數

digamma(x)

digamma 函數

entr(x)

熵函數

erf(x)

誤差函數

erfc(x)

誤差函數的互補函數

erfinv(x)

誤差函數的反函數

exp1(x)

指數積分函數。

expi

指數積分函數。

expit(x)

logistic sigmoid (expit) 函數

expn

廣義指數積分函數。

factorial(n[, exact])

階乘函數

fresnel

Fresnel 積分

gamma(x)

gamma 函數。

gammainc(a, x)

正規化下不完全 gamma 函數。

gammaincc(a, x)

正規化上不完全 gamma 函數。

gammaln(x)

gamma 函數絕對值的自然對數。

gammasgn(x)

gamma 函數的符號。

hyp1f1

1F1 超幾何函數。

i0(x)

零階修正貝索函數。

i0e(x)

指數縮放的零階修正貝索函數。

i1(x)

一階修正貝索函數。

i1e(x)

指數縮放的一階修正貝索函數。

kl_div(p, q)

Kullback-Leibler 散度。

log_ndtr

對數常態分佈函數。

log_softmax(x, /, *[, axis])

Log-Softmax 函數。

logit

logit 函數

logsumexp()

Log-sum-exp 縮減。

lpmn(m, n, z)

第一類伴隨 Legendre 函數 (ALF)。

lpmn_values(m, n, z, is_normalized)

第一類伴隨 Legendre 函數 (ALF)。

multigammaln(a, d)

多元伽瑪函數的自然對數。

ndtr(x)

常態分佈函數。

ndtri(p)

常態分佈函數的 CDF 反函數。

poch

波赫哈默符號。

polygamma(n, x)

多伽瑪函數。

rel_entr(p, q)

相對熵函數。

softmax(x, /, *[, axis])

Softmax 函數。

spence(x)

Spence 函數，也稱為實數值的雙對數函數。

sph_harm(m, n, theta, phi[, n_max])

計算球諧函數。

xlog1py

計算 x*log(1 + y)，當 x=0 時返回 0。

xlogy

計算 x*log(y)，當 x=0 時返回 0。

zeta

赫維茲 zeta 函數。

jax.scipy.stats#

mode(a[, axis, nan_policy, keepdims])

計算陣列軸向的眾數（最常見的值）。

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

計算沿陣列軸的資料排名。

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

計算平均數的標準誤。

jax.scipy.stats.bernoulli#

logpmf(k, p[, loc])

白努利對數機率質量函數。

pmf(k, p[, loc])

白努利機率質量函數。

cdf(k, p)

白努利累積分布函數。

ppf(q, p)

白努利百分點函數。

jax.scipy.stats.beta#

logpdf(x, a, b[, loc, scale])

Beta 對數機率分佈函數。

pdf(x, a, b[, loc, scale])

Beta 機率分佈函數。

cdf(x, a, b[, loc, scale])

Beta 累積分布函數。

logcdf(x, a, b[, loc, scale])

Beta 對數累積分布函數。

sf(x, a, b[, loc, scale])

Beta 分佈存活函數。

logsf(x, a, b[, loc, scale])

Beta 分佈對數存活函數。

jax.scipy.stats.betabinom#

logpmf(k, n, a, b[, loc])

Beta-二項式對數機率質量函數。

pmf(k, n, a, b[, loc])

Beta-二項式機率質量函數。

jax.scipy.stats.binom#

logpmf(k, n, p[, loc])

二項式對數機率質量函數。

pmf(k, n, p[, loc])

二項式機率質量函數。

jax.scipy.stats.cauchy#

logpdf(x[, loc, scale])

柯西對數機率分佈函數。

pdf(x[, loc, scale])

柯西機率分佈函數。

cdf(x[, loc, scale])

柯西累積分布函數。

logcdf(x[, loc, scale])

柯西對數累積分布函數。

sf(x[, loc, scale])

柯西分佈對數存活函數。

logsf(x[, loc, scale])

柯西分佈對數存活函數。

isf(q[, loc, scale])

柯西分佈反向存活函數。

ppf(q[, loc, scale])

柯西分佈百分點函數。

jax.scipy.stats.chi2#

logpdf(x, df[, loc, scale])

卡方對數機率分佈函數。

pdf(x, df[, loc, scale])

卡方機率分佈函數。

cdf(x, df[, loc, scale])

卡方累積分布函數。

logcdf(x, df[, loc, scale])

卡方對數累積分布函數。

sf(x, df[, loc, scale])

卡方存活函數。

logsf(x, df[, loc, scale])

卡方對數存活函數。

jax.scipy.stats.dirichlet#

logpdf(x, alpha)

狄利克雷對數機率分佈函數。

pdf(x, alpha)

狄利克雷機率分佈函數。

jax.scipy.stats.expon#

logpdf(x[, loc, scale])

指數對數機率分佈函數。

pdf(x[, loc, scale])

指數機率分佈函數。

jax.scipy.stats.gamma#

logpdf(x, a[, loc, scale])

伽瑪對數機率分佈函數。

pdf(x, a[, loc, scale])

伽瑪機率分佈函數。

cdf(x, a[, loc, scale])

伽瑪累積分布函數。

logcdf(x, a[, loc, scale])

伽瑪對數累積分布函數。

sf(x, a[, loc, scale])

伽瑪存活函數。

logsf(x, a[, loc, scale])

伽瑪對數存活函數。

jax.scipy.stats.gennorm#

cdf(x, beta)

廣義常態累積分布函數。

logpdf(x, beta)

廣義常態對數機率分佈函數。

pdf(x, beta)

廣義常態機率分佈函數。

jax.scipy.stats.geom#

logpmf(k, p[, loc])

幾何對數機率質量函數。

pmf(k, p[, loc])

幾何機率質量函數。

jax.scipy.stats.laplace#

cdf(x[, loc, scale])

拉普拉斯累積分布函數。

logpdf(x[, loc, scale])

拉普拉斯對數機率分佈函數。

pdf(x[, loc, scale])

拉普拉斯機率分佈函數。

jax.scipy.stats.logistic#

cdf(x[, loc, scale])

邏吉斯累積分布函數。

isf(x[, loc, scale])

邏吉斯分佈反向存活函數。

logpdf(x[, loc, scale])

邏吉斯對數機率分佈函數。

pdf(x[, loc, scale])

邏吉斯機率分佈函數。

ppf(x[, loc, scale])

邏吉斯分佈百分點函數。

sf(x[, loc, scale])

邏吉斯分佈存活函數。

jax.scipy.stats.multinomial#

logpmf(x, n, p)

多項式對數機率質量函數。

pmf(x, n, p)

多項式機率質量函數。

jax.scipy.stats.multivariate_normal#

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

多變量常態對數機率分佈函數。

pdf(x, mean, cov)

多變量常態機率分佈函數。

jax.scipy.stats.nbinom#

logpmf(k, n, p[, loc])

負二項式對數機率質量函數。

pmf(k, n, p[, loc])

負二項式機率質量函數。

jax.scipy.stats.norm#

logpdf(x[, loc, scale])

常態對數機率分佈函數。

pdf(x[, loc, scale])

常態機率分佈函數。

cdf(x[, loc, scale])

常態累積分布函數。

logcdf(x[, loc, scale])

常態對數累積分布函數。

ppf(q[, loc, scale])

常態分佈百分點函數。

sf(x[, loc, scale])

常態分佈存活函數。

logsf(x[, loc, scale])

常態分佈對數存活函數。

isf(q[, loc, scale])

常態分佈反向存活函數。

jax.scipy.stats.pareto#

logpdf(x, b[, loc, scale])

帕雷托對數機率分佈函數。

pdf(x, b[, loc, scale])

帕雷托機率分佈函數。

jax.scipy.stats.poisson#

logpmf(k, mu[, loc])

卜瓦松對數機率質量函數。

pmf(k, mu[, loc])

卜瓦松機率質量函數。

cdf(k, mu[, loc])

卜瓦松累積分布函數。

jax.scipy.stats.t#

logpdf(x, df[, loc, scale])

學生 t 對數機率分佈函數。

pdf(x, df[, loc, scale])

學生 t 機率分佈函數。

jax.scipy.stats.truncnorm#

cdf(x, a, b[, loc, scale])

截斷常態累積分布函數。

logcdf(x, a, b[, loc, scale])

截斷常態對數累積分布函數。

logpdf(x, a, b[, loc, scale])

截斷常態對數機率分佈函數。

logsf(x, a, b[, loc, scale])

截斷常態分佈對數存活函數。

pdf(x, a, b[, loc, scale])

截斷常態機率分佈函數。

sf(x, a, b[, loc, scale])

截斷常態分佈對數存活函數。

jax.scipy.stats.uniform#

logpdf(x[, loc, scale])

均勻對數機率分佈函數。

pdf(x[, loc, scale])

均勻機率分佈函數。

cdf(x[, loc, scale])

均勻累積分布函數。

ppf(q[, loc, scale])

均勻分佈百分點函數。

jax.scipy.stats.gaussian_kde#

gaussian_kde(dataset[, bw_method, weights])

高斯核密度估計器

gaussian_kde.evaluate(points)

評估給定點上的高斯 KDE。

gaussian_kde.integrate_gaussian(mean, cov)

積分由高斯加權的分佈。

gaussian_kde.integrate_box_1d(low, high)

在給定限制內積分分佈。

gaussian_kde.integrate_kde(other)

積分兩個高斯 KDE 分佈的乘積。

gaussian_kde.resample(key[, shape])

從估計的 pdf 隨機採樣資料集

gaussian_kde.pdf(x)

機率密度函數

gaussian_kde.logpdf(x)

對數機率密度函數

jax.scipy.stats.vonmises#

logpdf(x, kappa)

馮·米塞斯對數機率分佈函數。

pdf(x, kappa)

馮·米塞斯機率分佈函數。

jax.scipy.stats.wrapcauchy#

logpdf(x, c)

包裝柯西對數機率分佈函數。

pdf(x, c)

包裝柯西機率分佈函數。