Sumas marginales escasas

Python es el lenguaje de programación más amigable para principiantes, que permite a los programadores escribir todos los programas de propósito general relacionados con tareas de automatización, crear sitios web y herramientas y técnicas de datos analíticos. Una de las bibliotecas de Python existe una biblioteca reconocida como la "Scipy". Esta biblioteca es responsable de realizar cualquier tarea que sea más relevante para sistemas artificialmente inteligentes y operaciones matemáticas, ya que tiene las funciones predeterminadas utilizadas para entrenar los modelos de aprendizaje automático y las redes neuronales y realizar los cálculos. Scipy ofrece un atributo o el módulo de función como "sumas marginales". Esta función calcula la suma de todas las entradas que existen en las filas o las entradas de las columnas de la matriz del conjunto de datos dado. El conjunto de datos es una matriz n-dimensional que tiene varias filas y columnas.

Procedimiento

La explicación del concepto de sumas marginales se explicará en el artículo. También aprenderemos qué bibliotecas se requieren que nos permitirán ejecutar el programa con éxito y los parámetros y la sintaxis para esto. La función de suma marginal Scipy también se explicará en este artículo. La plataforma de software con la que trabajaremos es "Google Collab", ya que tiene paquetes preinstalados, y ahorra tiempo al asignar un espacio de GPU para nuestro programa para su ejecución.

Sintaxis

$ Scipy.estadísticas.contingencia.márgenes (matriz)

La función, como se mencionó anteriormente, explica la sintaxis de las sumas marginales. Esta función es del módulo de estadística de la Biblioteca Python Scipy, y el módulo de estadísticas utiliza aún más su atributo de contingencia para ejecutar estas funciones. Los parámetros de entrada involucrados en esta función son la matriz o la matriz nd que representa el conjunto de datos para el cual queremos encontrar las sumas marginales.

Valor de retorno

La función devuelve el valor de las sumas marginales en forma de una lista basada en las dimensiones de la matriz. Esta suma podría tomarse agregando todos los elementos de las filas o las columnas en el conjunto de datos. Por lo tanto, guardaremos los resultados de todas las dimensiones N de la matriz en el número "n" de las variables.

Ejemplo # 01

El método de suma marginal del scipy toma una matriz nd y calcula la suma marginal para ello. En este ejemplo, encontraremos la suma de la función marginal del SciPy. Para comenzar con el ejemplo, abra el nuevo cuaderno en Google Collab y luego guárdelo con algún nombre. El laboratorio asignará espacio de memoria para su programa. Para trabajar en la función, necesitamos declarar cualquier conjunto de datos aleatorio ya que el conjunto de datos es una matriz multidimensional, de modo que declaremos una matriz en el programa. Para declarar la matriz en el programa, importaremos un paquete de Python, "Numpy". Esta biblioteca garantiza la importación de la información importante requerida para declarar la matriz en el programa. Importaremos esta biblioteca como "NP", NP se utilizará como prefijo para Numpy. Definiremos una matriz de las dos dimensiones que tienen "14" elementos (en total) al azar. Para definir esta matriz correctamente, utilizaremos los atributos de Numpy "organizar" y "remodelar", estas funciones primero distribuirán la matriz en catorce elementos. Los moldearán en dos dimensiones respectivamente llamándolos con el prefijo NP como "NP. Organizar (14).remodelar (2, 6) ". Guarde los resultados de esta matriz en la memoria de alguna variable y asígnele un "matriz".

Ahora, para tomar la suma marginal para esta matriz, importe la función de suma marginal desde el scipy, a la que se puede acceder a través de las "estadísticas de Scipy. Atributo de contingencia ", por lo tanto, integre las estadísticas del scipy. Atributo de contingencia en la función de suma marginal como "de SciPy.estadísticas.márgenes de importación de contingencia ". Ahora, simplemente podemos llamar a los márgenes en lugar de las estadísticas. contingencia y puede encontrar la suma para la matriz. Llame al método suma marginal como "márgenes ()" y pase la matriz que habíamos declarado, y se vería así "márgenes (matriz)". Guardaremos los resultados de esta llamada de método en dos variables, "A" y "B", para mostrar los resultados.

Los siguientes son el código y la salida del programa:

importar numpy como np
De Scipy.estadísticas.márgenes de importación de contingencia
matriz = np.Arange (12).remodelar (2, 6)
Imprimir (matriz)
A, B = márgenes (matriz)
Imprimir (a)

Ejemplo # 02

Este ejemplo mostrará cómo podemos calcular la suma marginal para una matriz con más de dos dimensiones. Las bibliotecas que se importarán para el programa son los "Numpy" y el "Scipy.estadística.contingencia". Importaremos ambos con el prefijo o el módulo como "np" y "márgenes", respectivamente. Usando el NP de Numpy, llamaremos a la función "Arreglar" y la "remodelación" para la declaración de la matriz tridimensional que se llamaría "NP. Organizar (12).remodelar (3,2,2) ".Esta matriz tendrá tres dimensiones en total, y los elementos serán "24" exactamente, distribuidos por igual por el método Arran ().

Después de esta definición de la matriz, pasaremos esta matriz a las funciones de márgenes () y guardaremos los resultados de las funciones en tres variables diferentes. Uno de los cuales tendrá información sobre las sumas marginales de la matriz, y las otras dos tendrán información sobre las filas de las matrices. Por lo tanto, podemos imprimirlos y saber cuál es el número específico de filas en la matriz como los elementos. Así es como calculamos las sumas marginales para la matriz tridimensional. Hemos adjunto el fragmento del código y la salida de este programa a continuación. Copie este programa y ejecutelo como está en cualquier compilador de Python; generará la misma salida.

importar numpy como np
De Scipy.estadísticas.márgenes de importación de contingencia
matriz = np.Arange (12).remodelar (3,2,2)
Imprimir ("Array: \ n", Array)
A, B, C = márgenes (matriz)
imprimir ("a: \ n", a)
Imprimir ("B: \ n", b)
Imprimir ("C: \ n", C)

Conclusión

La función de suma marginal del SciPy no es directamente accesible, por lo que primero importamos el módulo "estadísticas" de la biblioteca SciPy y utilizamos el módulo "contingencia" de las estadísticas para acceder a las sumas marginales como "márgenes". Hemos discutido la implementación de los dos ejemplos para las sumas marginales para las dos matrices ND diferentes que tienen dos dimensiones como dos y tres. Los resultados de los programas se muestran y explican en el artículo.