Somas marginais escipy

O Python é a linguagem de programação mais amigável para iniciantes, que permite aos programadores escrever todos os programas de uso geral relacionados a tarefas de automação, criação de sites e ferramentas e técnicas de dados analíticos. Uma das bibliotecas de Python existe uma biblioteca reconhecida como a "centerada". Esta biblioteca é responsável por executar qualquer tarefa mais relevante para sistemas artificialmente inteligentes e operações matemáticas, pois possui as funções padrão usadas para treinar os modelos de aprendizado de máquina e as redes neurais e executar os cálculos. Scipy oferece um atributo ou o módulo de função como “somas marginais”. Esta função calcula a soma de todas as entradas que existem nas linhas ou nas entradas das colunas da matriz do conjunto de dados especificado. O conjunto de dados é uma matriz n-dimensional que possui várias linhas e colunas.

Procedimento

A explicação do conceito de somas marginais será explicada no artigo. Também aprenderemos quais bibliotecas são necessárias que nos permitirão executar o programa com sucesso e os parâmetros e sintaxe para isso. A função soma marginal scipy também será explicada neste artigo. A plataforma de software com a qual trabalharemos é "Google Collab", pois possui pacotes pré-instalados e economiza tempo, alocando um espaço de GPU para o nosso programa para a execução deles.

Sintaxe

$ scipy.Estatísticas.contingência.margens (matriz)

A função, como mencionado anteriormente, explica a sintaxe das somas marginais. Esta função é do módulo de estática da Biblioteca Python Scipy, e o módulo STATS utiliza ainda seu atributo de contingência para executar essas funções. Os parâmetros de entrada envolvidos nessa função são a matriz ou a matriz nd representando o conjunto de dados para o qual queremos encontrar as somas marginais.

Valor de retorno

A função retorna o valor das somas marginais na forma de uma lista com base nas dimensões da matriz. Essa soma pode ser tomada adicionando todos os elementos das linhas ou das colunas no conjunto de dados. Portanto, salvaremos os resultados de todas as dimensões n da matriz no número "n" das variáveis.

Exemplo # 01

O método marginal da soma do círculo recebe um ND-Array e calcula a soma marginal para isso. Neste exemplo, encontraremos a soma da função marginal do círculo. Para começar com o exemplo, abra o novo caderno no Google Collab e salve isso em algum nome. O laboratório alocará espaço de memória para o seu programa. Para trabalhar na função, precisamos declarar qualquer conjunto de dados aleatório, pois o conjunto de dados é uma matriz multidimensional, para que declaremos uma matriz no programa. Para declarar a matriz no programa, importaremos um pacote Python, “Numpy”. Esta biblioteca garante a importação das informações importantes necessárias para declarar a matriz no programa. Vamos importar esta biblioteca como "np", np será usada como um prefixo para Numpy. Definiremos uma matriz das duas dimensões com “14” elementos (no total) aleatoriamente. Para definir essa matriz corretamente, usaremos os atributos de Numpy "organizar" e "remodelar", essas funções primeiro distribuirão a matriz em quatorze elementos. Eles os moldam em duas dimensões, respectivamente, chamando -as com prefixo NP como "np. Organizar (14).remodelar (2, 6) ”. Salve os resultados desta matriz na memória de alguma variável e nomeie -a como uma "matriz".

Agora, para pegar a soma marginal para esta matriz, importe a função marginal da soma do círculo, que pode ser acessado através das “estatísticas do croto. Atributo ”atributo, então integre as estatísticas da Scipy. atributo de contingência na soma marginal função como “do scipy.Estatísticas.margens de importação de contingência ”. Agora, podemos simplesmente chamar as margens em vez das estatísticas. contingência e pode encontrar a soma para a matriz. Chame a soma marginal do método como "margens ()" e passe a matriz que havíamos declarado, e seria assim "margens (matriz)". Salvaremos os resultados desse método chamam em duas variáveis, "A" e "B", para exibir os resultados.

A seguir estão o código e a saída do programa:

importar numpy como np
de Scipy.Estatísticas.margens de importação de contingência
Array = np.ARANGE (12).remodelar (2, 6)
Imprimir (matriz)
a, b = margens (matriz)
Imprimir (a)

Exemplo # 02

Este exemplo exibirá como podemos calcular a soma marginal para uma matriz com mais de duas dimensões. As bibliotecas a serem importadas para o programa são o "Numpy" e o "Scipy.Estado.contingência". Vamos importar ambos com o prefixo ou o módulo como "np" e "margens", respectivamente. Usando o NP do Numpy, chamaremos a função "organizar" e a função "remodelar" para a declaração da matriz tridimensional que seria chamada de "np. Organize (12).remodelar (3,2,2) ”.Esta matriz terá três dimensões no total, e os elementos serão "24" exatamente, distribuídos igualmente pelo método de organização ().

Após esta definição da matriz, passaremos essa matriz para as margens () funções e salvaremos os resultados das funções em três variáveis ​​diferentes. Uma das quais terá informações sobre as somas marginais da matriz, e os outros dois terão informações sobre as linhas das matrizes. Então, podemos simplesmente imprimi -los e saber qual é o número específico de linhas na matriz como os elementos. É assim que calculamos as somas marginais para a matriz tridimensional. Anexamos o trecho do código e a saída para este programa abaixo. Copie este programa e execute -o como em qualquer compilador Python; ele gerará a mesma saída.

importar numpy como np
de Scipy.Estatísticas.margens de importação de contingência
Array = np.ARANGE (12).remodelar (3,2,2)
Print ("Array: \ n", Array)
a, b, c = margens (matriz)
print ("A: \ n", a)
print ("b: \ n", b)
print ("c: \ n", c)

Conclusão

A função marginal da soma do círculo não é diretamente acessível; portanto, importamos primeiro o módulo "estatísticas" da biblioteca scipy e usamos o módulo "contingência" das estatísticas para acessar as somas marginais como "margens". Discutimos a implementação dos dois exemplos para as somas marginais para os dois diferentes peças de ND com duas dimensões como duas e três. Os resultados dos programas são mostrados e explicados no artigo.