Python计算标准差之numpy.std和torch.std的区别
作者:little?student 发布时间:2022-08-17 11:38:14
标签:numpy,numpy.std,torch.std
输入:
[1.0000, -1.0000, 3.0000]
课本中的标准差计算公式:
按照上述公式计算:
Numpy中的std计算:
import numpy as np
tm = np.array([1.0000, -1.0000, 3.0000])
ddd = np.std(tm)
print(ddd)
1.632993161855452
可以看出Numpy中的计算结果与课本中的公式计算出来的结果是一致的。
Torch中的std计算:
tm = torch.tensor([1.0000, -1.0000, 3.0000])
ddd = torch.std(tm)
print(ddd)
tensor(2.)
计算出来的结果是2,与Numpy中的计算结果是不相同的。
查看torch.std的参数:
torch.std默认设置了unbiased=True。此时计算标准差的公式则使用贝塞尔校正 的方法:
可以看出贝塞尔校正的标准差最后除以n - 1。
可以看出确实计算出来的结果是2.
至于为何使用n-1,这里不做过多介绍,建议参考:贝塞尔校正。
附:贝塞尔校正
贝塞尔校正,指的是样本方差前面的系数1/n-1
这就是这个系数的原理
注:设置torch.std中的unbiased=False,则与Numpy中的std的结果相同的。
总结:
Numpy中的std计算与课本中的计算方式相同,都是除的是样本数量n。
Torch中的std计算默认使用的是unbiased=True即贝塞尔校正,除的是样本数量n-1。
来源:https://blog.csdn.net/weixin_43490422/article/details/123948727
0
投稿
猜你喜欢
- 如果不用“with”,那么Python会在何时关闭文件呢?答案是:视情况而定。Python程序员最初学到的东西里有一点就是可以通过迭代法很容
- 如果你过分信任 Access 2000数据库的密码保护,你可能会因此而蒙受损失。这是因为Access 2000的数据库级密码并不安全,相反它
- 用户体验(User Experience,简称UE)是用户在使用产品过程中建立起来的一种纯主观感受。在基于Web的产品设计中,UE是一个相对
- 清除浮动一个凡是做页面的人都会遇到的一个东西,但是是否大家都能够清楚的知道,全方位的了解呢?于是一闲下来了马上写了这样的一篇文章,不能讲面面
- 1.高阶函数# 1.变量指向函数# 调用函数和函数本身print("-10的绝对值为:",abs(-10))print(
- 1、选取最适用的字段属性MySQL可以很好的支持大数据量的存取,但是一般说来,数据库中的表越小,在它上面执行的查询也就会越快。因此,在创建表
- 前言实验目的:掌握开发、测试、发布、调用进程间通信的基本方法、工具和流程,理解独立构件体系结构基本原理、结构和特点。掌握使用当今主流云平台来
- 本文实例讲述了Django框架基础模板标签与filter使用方法。分享给大家供大家参考,具体如下:一、基本的模板语言1、变量{{ }}1.1
- 本文实例讲述了Python网络编程之TCP与UDP协议套接字用法。分享给大家供大家参考,具体如下:TCP协议服务器端:#!/usr/bin/
- 我们都知道在9i之前,要想获得建表和索引的语句是一件很麻烦的事。我们通常的做法都是通过export with rows=no来得到,但它的输
- 我最近花了一些时间在探索CPython,并且我想要在这里分享我的一些冒险经历。Allison Kaptur的excellent guide
- python的numpy库提供矩阵运算的功能,因此我们在需要矩阵运算的时候,需要导入numpy的包。一、numpy的导入和使用from&nb
- Python图片处理模块PIL(pillow)pywin32的主要作用1.捕获窗口;2.模拟鼠标键盘动作;3.自动获取某路径下文件列表;4.
- 本文研究的主要是Python使用pickle模块存储数据报错解决方法,以代码的形式展示,具体如下。首先来了解下pickle模块pickle提
- TFTP文件传输功能:1、获取文件列表2、上传文件3、下载文件4、退出第一部分,TftpServer部分。①导入相关模块from socke
- 本文实例讲述了PHP实现基于3DES算法加密解密字符串。分享给大家供大家参考,具体如下:3DES(或称为Triple DES)是三重数据加密
- 一 前言pandas学到分组迭代,那么基础的pandas系列就学的差不多了,自我感觉不错,知识追寻者用pandas处理过一些数据,蛮好用的;
- Python中滑动平均算法(Moving Average)方案:#!/usr/bin/env python# -*- coding: utf
- 一、缓存目的1、减小过载2、避免重复计算3、提高系统性能二、如何进行缓存三、缓存类型四、缓存粒度分类五、缓存的设置与使用示例一:CACHES
- 关于matplotlib如何设置图例的位置?如何将图例放在图外?以及如何在一幅图有多个子图的情况下,删除重复的图例?我用一个简单的例子说明一