我想为一些可能受离散分布支配的数据找到最大似然估计。但是在scipy.stats中，只有代表连续分布的类才有合适的函数来做到这一点。代表离散分布的类不代表的原因是什么？ 最佳答案 简短的回答:因为据我所知，没有人为它编写代码，甚至没有人尝试过。更长的答案:我不知道使用通用最大似然法的离散模型可以走多远，就像连续分布一样，它适用于许多但不是所有这些。大多数离散分布对参数都有严格的限制，并且很可能大多数都需要特定于分布的拟合方法>>>[(f,getattr(stats,f).shapes)forfindir(stats)ifisinst

VQVAE：NeuralDiscreteRepresentationLearning原文链接：https://arxiv.org/abs/1711.00937 要看细节，强推，直接不用看论文了：VQ-VAE的简明介绍：量子化自编码器-科学空间|ScientificSpaces一、问题提出一些具有挑战性的任务，如few-shotlearning，严重依赖从原始数据学习的表示，但在无监督的方式下训练的通用表示的有用性仍然远远不是主流方法。极大似然和重构误差是训练像素域无监督模型的两个常用目标，但它们的有用性取决于特征所用于的特定应用。目标：实现一个模型，在潜在空间中保留数据的重要特征，同时优化最大

是否可以修改std::discrete_distribution中的单个值？我找不到一个简单的方法来做到这一点。我正在考虑使用分配概率的std::vector初始化它并在每次需要时修改它，但每次都重新初始化discrete_distribution似乎不是最好的主意。 最佳答案 不可以，std::discrete_distribution里面没有下面的函数.您可以获得概率，但无法设置，因此只有一种方法-重新初始化discrete_distribuion(可能您可以使用预定义分布的vector)。

我有一个std::vectorweights;包含权重列表。在运行程序的某个阶段之前，我不知道这个列表中会有什么。我愿意做std::discrete_distributiondist(weights.begin(),weights.end());但VS2013似乎没有接受迭代器范围的std::discrete_distribution的构造函数。有什么解决方法吗？ 最佳答案 比较cppreference.com和Microsoftreference对于std::discrete_distribution:这些是VS2013提供的构造