我一直在尝试编写一个中间使用softmax激活函数的程序。
现在，我有一个这样的概率列表：
P[0.10,0.25,0.60,0.05]
P中所有变量的总和总是1。
我想要一种在给定概率的情况下选择列表索引的方法。 或者，换句话说，一个返回的函数
0 - 10% of the time
1 - 25% of the time
2 - 60% of the time
3 - 5% of the time
我完全不知道从哪里开始。任何帮助，将不胜感激。 :)
【问题讨论】：
random.choices（注意末尾的 's'）允许提交相对权重。
标签： python probability
您可以使用 numpy.它有一个choice 函数，接受概率参数。
np.random.choice(
['pooh', 'rabbit', 'piglet', 'Christopher'],
5,
p=[0.5, 0.1, 0.1, 0.3]
)
【讨论】：
numpy 在这里有点矫枉过正，特别是如果脚本没有超出标准库的依赖项
基本上，创建一个cumulative probability distribution (CDF) 数组。基本上，给定索引的 CDF 值等于 P 中等于或小于该索引的所有值的总和。然后生成一个介于 0 和 1 之间的随机数并进行二分搜索（如果需要，也可以进行线性搜索）。这是一些简单的代码。
from bisect import bisect
from random import random
P = [0.10,0.25,0.60,0.05]
cdf = [P[0]]
for i in xrange(1, len(P)):
cdf.append(cdf[-1] + P[i])
random_ind = bisect(cdf,random())
当然，您可以使用类似的东西生成一堆随机索引
rs = [bisect(cdf, random()) for i in xrange(20)]
屈服
[2, 2, 3, 2, 2, 1, 2, 2, 2, 1, 2, 1, 2, 1, 2, 1, 2, 2, 2, 2]
（结果会，并且应该会有所不同）。当然，对于这么少的可能索引，二进制搜索是相当不必要的，但绝对推荐用于具有更多可能索引的分布。
【讨论】：
嗯，有意思，怎么样……
生成一个介于 0 和 1 之间的数字。
遍历列表，从你的数字中减去每个项目的概率。
选择减法后将您的数字降至 0 或以下的项目。
这很简单，O(n) 并且应该可以工作:)
【讨论】：
这个问题相当于从categorical distribution 中采样。这种分布通常与多项分布混为一谈，该分布对来自分类分布的多个样本的结果进行建模。
在 numpy 中，使用 numpy.random.multinomial 从多项分布中进行采样很容易，但不存在特定的分类版本。但是，可以通过一次试验从多项分布中采样，然后在输出中返回非零元素来完成。
import numpy as np
pvals = [0.10,0.25,0.60,0.05]
ind = np.where(np.random.multinomial(1,pvals))[0][0]
【讨论】：
import random
probs = [0.1, 0.25, 0.6, 0.05]
r = random.random()
index = 0
while(r >= 0 and index < len(probs)):
r -= probs[index]
index += 1
print index - 1
【讨论】：