Векторизировать порядковую регрессию с использованием Numpy и Scipy Special ⇐ Python

[Anonymous]

У меня есть функция, которая вычисляет вероятность принадлежности к категории k ~ {1, 2, ..., k} на основе Eta и точек отсечения, c между категориями.

Код: Выделить всё

import numpy as np
import scipy.special as ss

def pmf(K: int, eta: np.ndarray, c: np.ndarray) -> np.array:
"""
Example
-------
>>> K = 5
>>> p = np.array([[0.1, 0.3, 0.2, 0.35, 0.05]])
>>> cum_p = np.cumsum(p)
>>> cum_logits = ss.logit(cum_p[:-1])
>>> eta = np.zeros((1, 1))
>>> p_K = pmf(K=K, eta=eta, c=cum_logits)
>>> print(p_K)
[[0.1  0.3  0.2  0.35 0.05]]
"""
p = np.zeros((eta.shape[1], K))

for k in range(K):
if k == 0:
p[:,k] = 1 - ss.expit(eta - c[0])
elif k == K - 1:
p[:,k] = ss.expit(eta - c[-1])
else:
p[:,k] = ss.expit(eta - c[k - 1]) - ss.expit(eta - c[k])

return p
< /code>
Можно ли удалить для петли? Для границ это легко сделано следующим образом: < /p>
p[:,0]    = 1 - ss.expit(eta - c[:,0])
p[:,-1]   = ss.expit(eta - c[:,-1])

Но как «иметь дело» с другими значениями k ?

Подробнее здесь: https://stackoverflow.com/questions/794 ... py-special