d维均匀分布的数据答案

【问题标题】：Uniformly distributed data in d dimensionsd维均匀分布的数据
【发布时间】：2011-12-05 17:54:10
【问题描述】：

如何在 Python 中生成均匀分布的 [-1,1]^d 数据？例如。 d 是一个类似 10 的维度。

我知道如何生成像 np.random.randn(N) 这样均匀分布的数据，但是维度的事情让我很困惑。

【问题讨论】：

【解决方案1】：

假设各个坐标独立，那么下面会在[-1, 1)^d中生成一个随机点

np.random.random(d) * 2 - 1

以下将生成n 观察，其中每一行都是一个观察

np.random.random((n, d)) * 2 - 1

【讨论】：

【解决方案2】：

正如已经指出的那样，randn 产生正态分布数（又名高斯数）。要获得均匀分布，您应该使用“uniform”。

如果您只需要一次采样 10 个均匀分布的数字，您可以使用：

import numpy as np
x = np.random.uniform(low=-1,high=1,size=10)

或者，如果您想一次生成很多（例如 100 个），那么您可以这样做：

import numpy as np
X = np.random.uniform(low=-1,high=1,size=(100,10))

现在 X[0], X[1], ... 每个长度都是 10。

【讨论】：

【解决方案3】：

您可以导入random 模块并调用random.random 以从[0, 1) 中获取随机样本。您可以将其加倍并减去 1 以从 [-1, 1) 中获取样本。

以这种方式绘制 d 值，元组将从立方体 [-1, 1)^d 中统一绘制。

【讨论】：

【解决方案4】：

没有 numpy：

[random.choice([-1,1]) for _ in range(N)]

可能有理由使用numpy的内部机制，或者手动使用random()等。但这些都是实现细节，也与随机数生成如何配给操作系统提供的熵位有关。

【讨论】：

嗯，我想我被某人否决了，因为 OP 没有明确说明他正在寻找 [-1,1]x[-1,1]x.. 形式的均匀分布。 .x[-1,1]，不是 [-1,-1]^d 的值之间的均匀分布（即 {-1,1}^d）。由于我觉得 OP 的问题非常模糊（OP 认为他们想要的函数实际上是高斯函数时是统一的），并且语法不清楚，而且我的解释是合理的，所以我将其留在此处以防其他人觉得它有用。