معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Fast on-demand sampling from categorical distributions

ویژگی	مقدار
سیستم عامل	-
نام فایل	categorical-0.1.4
نام	categorical
نسخه کتابخانه	0.1.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Edward Newell
ایمیل نویسنده	edward.newell@gmail.com
آدرس صفحه اصلی	https://github.com/enewe101/categorical
آدرس اینترنتی	https://pypi.org/project/categorical/
مجوز	MIT

Categorical Sampler ----- Install from pip: `pip install categorical-sampler` Let’s generate a probability distribution to get us started. First, sample a bunch of random numbers to determine probability “scores”. >>> from random import random >>> k = 10**6 >>> scores = [random() for i in range(k)] >>> total = sum(scores) >>> probabilities = [s / total for s in scores] We've normalized the scores to sum to 1, i.e. make them into proper probabilities, but actually the categorical sampler will do that for us, so it’s not necessary: >>> from categorical import Categorical as C >>> my_sampler = C(scores) >>> print my_sampler.sample() 487702 Comparing to numpy, assuming we draw 1000 individual samples *individually*: >>> from numpy.random import choice >>> import time >>> >>> def time_numpy(): >>> start = time.time() >>> for i in range(1000): >>> choice(k, p=probabilities) >>> print time.time() - start >>> >>> def time_my_alias(): >>> start = time.time() >>> for i in range(1000): >>> my_sampler.sample() >>> print time.time() - start >>> >>> time_numpy() 31.0555009842 >>> time_my_alias() 0.0127031803131 Get the actual probability of a given outcome: >>> my_sampler.get_probability(487702) 1.0911282101090306e-06

نحوه نصب

نصب پکیج whl categorical-0.1.4:

pip install categorical-0.1.4.whl

نصب پکیج tar.gz categorical-0.1.4:

pip install categorical-0.1.4.tar.gz