piecewise_linear_distribution 클래스
각 간격의 확률이 선형적으로 다양하고 폭이 다양한 간격이 있는 부분 선형 분포를 생성합니다.
구문
template<class RealType = double>
class piecewise_linear_distribution
{
public:
// types
typedef RealType result_type;
struct param_type;
// constructor and reset functions
piecewise_linear_distribution();
template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(
InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);
template <class UnaryOperation>
piecewise_linear_distribution(
initializer_list<result_type> intervals, UnaryOperation weightfunc);
template <class UnaryOperation>
piecewise_linear_distribution(
size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
explicit piecewise_linear_distribution(const param_type& parm);
void reset();
// generating functions
template <class URNG>
result_type operator()(URNG& gen);
template <class URNG>
result_type operator()(URNG& gen, const param_type& parm);
// property functions
vector<result_type> intervals() const;
vector<result_type> densities() const;
param_type param() const;
void param(const param_type& parm);
result_type min() const;
result_type max() const;
};
매개 변수
RealType
부동 소수점 결과 형식으로, 기본적으로 double로 지정되어 있습니다. 가능한 형식은 임>의 형식을 참조하세요<.
설명
이 표본 분포에는 각 간격의 확률이 선형적으로 다양하고 폭이 다양한 간격이 있습니다. 표본 분포에 대한 자세한 내용은 piecewise_linear_distribution 및 discrete_distribution을 참조하세요.
다음 테이블은 개별 멤버에 대한 문서와 연결되어 있습니다.
piecewise_linear_distribution
param_type
속성 함수 intervals()는 저장된 분포 간격 집합과 함께 vector<result_type>을 반환합니다.
속성 함수 densities()는 각 간격 집합에 대해 저장된 밀도와 함께 vector<result_type>을 반환합니다. 이러한 밀도는 생성자 매개 변수에서 제공하는 가중치에 따라 계산됩니다.
속성 멤버 param()은 param_type으로 저장된 분포 매개 변수 패키지를 설정하거나 반환합니다.
min() 및 max() 구성원 함수는 각각 가능한 가장 작은 결과 및 가능한 가장 큰 결과를 반환합니다.
reset() 구성원 함수는 캐시된 모든 값을 버립니다. 따라서 operator()에 대한 다음 호출의 결과는 호출 전 엔진에서 얻은 어떠한 값의 영향도 받지 않습니다.
operator() 구성원 함수는 현재 매개 변수 패키지 또는 지정된 매개 변수 패키지에서 URNG 엔진을 기반으로 하여 다음에 생성된 값을 반환합니다.
배포 클래스 및 해당 멤버에 대한 자세한 내용은 임>의 클래스를 참조<하세요.
예시
// compile with: /EHsc /W4
#include <random>
#include <iostream>
#include <iomanip>
#include <string>
#include <map>
using namespace std;
void test(const int s) {
// uncomment to use a non-deterministic generator
// random_device rd;
// mt19937 gen(rd());
mt19937 gen(1701);
// Three intervals, non-uniform: 0 to 1, 1 to 6, and 6 to 15
vector<double> intervals{ 0, 1, 6, 15 };
// weights determine the densities used by the distribution
vector<double> weights{ 1, 5, 5, 10 };
piecewise_linear_distribution<double> distr(intervals.begin(), intervals.end(), weights.begin());
cout << endl;
cout << "min() == " << distr.min() << endl;
cout << "max() == " << distr.max() << endl;
cout << "intervals (index: interval):" << endl;
vector<double> i = distr.intervals();
int counter = 0;
for (const auto& n : i) {
cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
++counter;
}
cout << endl;
cout << "densities (index: density):" << endl;
vector<double> d = distr.densities();
counter = 0;
for (const auto& n : d) {
cout << fixed << setw(11) << counter << ": " << setw(14) << setprecision(10) << n << endl;
++counter;
}
cout << endl;
// generate the distribution as a histogram
map<int, int> histogram;
for (int i = 0; i < s; ++i) {
++histogram[distr(gen)];
}
// print results
cout << "Distribution for " << s << " samples:" << endl;
for (const auto& elem : histogram) {
cout << setw(5) << elem.first << '-' << elem.first + 1 << ' ' << string(elem.second, ':') << endl;
}
cout << endl;
}
int main()
{
int samples = 100;
cout << "Use CTRL-Z to bypass data entry and run using default values." << endl;
cout << "Enter an integer value for the sample count: ";
cin >> samples;
test(samples);
}
Use CTRL-Z to bypass data entry and run using default values.
Enter an integer value for the sample count: 100
min() == 0
max() == 15
intervals (index: interval):
0: 0.0000000000
1: 1.0000000000
2: 6.0000000000
3: 15.0000000000
densities (index: density):
0: 0.0645161290
1: 0.3225806452
2: 0.3225806452
3: 0.6451612903
Distribution for 100 samples:
0-1 :::::::::::::::::::::
1-2 ::::::
2-3 :::
3-4 :::::::
4-5 ::::::
5-6 ::::::
6-7 :::::
7-8 ::::::::::
8-9 ::::::::::
9-10 ::::::
10-11 ::::
11-12 :::
12-13 :::
13-14 :::::
14-15 :::::
요구 사항
헤더:<random>
네임스페이스: std
piecewise_linear_distribution::piecewise_linear_distribution
분포를 생성합니다.
// default constructor
piecewise_linear_distribution();
// constructs using a range of intervals, [firstI, lastI), with
// matching weights starting at firstW
template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(InputIteratorI firstI, InputIteratorI lastI, InputIteratorW firstW);
// constructs using an initializer list for range of intervals,
// with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_linear_distribution(initializer_list<RealType>
intervals, UnaryOperation weightfunc);
// constructs using an initializer list for range of count intervals,
// distributed uniformly over [xmin,xmax] with weights generated by function weightfunc
template <class UnaryOperation>
piecewise_linear_distribution(size_t count, RealType xmin, RealType xmax, UnaryOperation weightfunc);
// constructs from an existing param_type structure
explicit piecewise_linear_distribution(const param_type& parm);
매개 변수
firstI
대상 범위에 있는 첫 번째 요소의 입력 반복기입니다.
lastI
대상 범위에 있는 마지막 요소의 입력 반복기입니다.
firstW
가중치 범위에 있는 첫 번째 요소의 입력 반복기입니다.
intervals
분포의 간격이 있는 initializer_list입니다.
count
분포 범위의 요소 수입니다.
xmin
분포 범위의 가장 작은 값입니다.
xmax
분포 범위의 가장 큰 값입니다. xmin보다 커야 합니다.
weightfunc
분포의 확률 함수를 나타내는 개체입니다. 매개 변수와 반환 값은 둘 다 double로 변환할 수 있어야 합니다.
parm
분포를 생성하는 데 사용되는 매개 변수 구조입니다.
설명
기본 생성자는 저장된 매개 변수를 설정합니다. 따라서 확률 밀도가 1인 0~1 간격이 하나 있습니다.
반복기 범위 생성자
template <class InputIteratorI, class InputIteratorW>
piecewise_linear_distribution(
InputIteratorI firstI,
InputIteratorI lastI,
InputIteratorW firstW);
는 시퀀스 [ firstI, lastI)를 통해 반복기에서 반복기를 사용하여 배포 개체를 생성하고 첫 번째W부터 일치하는 가중치 시퀀스를 생성합니다.
다음 이니셜라이저 목록 생성자는
template <class UnaryOperation>
piecewise_linear_distribution(
initializer_list<result_type> intervals,
UnaryOperation weightfunc);
는 이니셜라이저 목록 간격의 간격 과 함수 가중치에서 생성된 가중치를 사용하여 배포 개체를 생성합니다.
다음과 같이 정의된 생성자는
template <class UnaryOperation>
piecewise_linear_distribution(
size_t count,
result_type xmin,
result_type xmax,
UnaryOperation weightfunc);
는 [xmin,xmax]에 대해 균일하게 분산된 개수 간격이 있는 분포 개체를 생성하고, 함수 가중치에 따라 각 간격 가중치를 할당하고, 가중치는 하나의 매개 변수를 수락하고 반환 값을 가져야 하며, 둘 다 변환할 수 double있습니다. 사전 조건:xmin < xmax.
다음과 같이 정의된 생성자는
explicit piecewise_linear_distribution(const param_type& parm);
는 parm을 저장된 매개 변수 구조로 사용하여 배포 개체를 생성합니다.
piecewise_linear_distribution::param_type
분포의 모든 매개 변수를 저장합니다.
struct param_type {
typedef piecewise_linear_distribution<result_type> distribution_type;
param_type();
template <class IterI, class IterW>
param_type(
IterI firstI, IterI lastI, IterW firstW);
template <class UnaryOperation>
param_type(
size_t count, result_type xmin, result_type xmax, UnaryOperation weightfunc);
std::vector<result_type> densities() const;
std::vector<result_type> intervals() const;
bool operator==(const param_type& right) const;
bool operator!=(const param_type& right) const;
};
매개 변수
piecewise_linear_distribution에 대한 생성자 매개 변수를 참조하세요.
설명
사전 조건:xmin < xmax
이 구조를 인스턴스화 시에는 분포의 클래스 생성자로, 기존 분포의 저장된 매개 변수를 설정하기 위해서는 param() 멤버 함수로, 저장된 매개 변수 대신 사용하기 위해서는 operator()로 전달할 수 있습니다.
참고 항목
피드백
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요. https://aka.ms/ContentUserFeedback
다음에 대한 사용자 의견 제출 및 보기