如何在numpy范围内获得正态分布?
作者:互联网
在机器学习任务中.我们应该得到一组带有边界的随机w.r.t正态分布.我们可以使用np.random.normal()获得正态分布数,但它不提供任何绑定参数.我想知道怎么做?
解决方法:
truncnorm的参数化很复杂,所以这里有一个将参数化转换为更直观的函数:
from scipy.stats import truncnorm
def get_truncated_normal(mean=0, sd=1, low=0, upp=10):
return truncnorm(
(low - mean) / sd, (upp - mean) / sd, loc=mean, scale=sd)
如何使用它?
>使用参数实例化生成器:平均值,标准偏差和截断范围:
>>> X = get_truncated_normal(mean=8, sd=2, low=1, upp=10)
>然后,您可以使用X生成值:
>>> X.rvs()
6.0491227353928894
>或者,具有N个生成值的numpy数组:
>>> X.rvs(10)
array([ 7.70231607, 6.7005871 , 7.15203887, 6.06768994, 7.25153472,
5.41384242, 7.75200702, 5.5725888 , 7.38512757, 7.47567455])
一个可视化示例
以下是三种不同截断正态分布的图:
X1 = get_truncated_normal(mean=2, sd=1, low=1, upp=10)
X2 = get_truncated_normal(mean=5.5, sd=1, low=1, upp=10)
X3 = get_truncated_normal(mean=8, sd=1, low=1, upp=10)
import matplotlib.pyplot as plt
fig, ax = plt.subplots(3, sharex=True)
ax[0].hist(X1.rvs(10000), normed=True)
ax[1].hist(X2.rvs(10000), normed=True)
ax[2].hist(X3.rvs(10000), normed=True)
plt.show()
标签:python,numpy,machine-learning,random,normal-distribution 来源: https://codeday.me/bug/20190922/1813290.html