Question

在numpy手册中，据说：

Instead of specifying the full covariance matrix, popular approximations include:  
    Spherical covariance (cov is a multiple of the identity matrix)

有没有人指定球面协方差？我试图让它工作以避免构建完整的协方差矩阵，这是一个耗费大量内存的。

Answer 1

如果你只有一个对角线协方差矩阵，那么自己缩放标准正态变量通常更容易（也更有效），而不是使用multivariate_normal()。

>>> import numpy as np
>>> stdevs = np.array([3.0, 4.0, 5.0])
>>> x = np.random.standard_normal([100, 3])
>>> x.shape
(100, 3)
>>> x *= stdevs
>>> x.std(axis=0)
array([ 3.23973255,  3.40988788,  4.4843039 ])

Answer 2

虽然@ RobertKern的方法是正确的，但你可以让numpy为你处理所有这些，因为np.random.normal将在多种方式和标准偏差上进行广播：

>>> np.random.normal(0, [1,2,3])
array([ 0.83227999,  3.40954682, -0.01883329])

要获得多个随机样本，您必须给它一个合适的大小：

>>> x = np.random.normal(0, [1, 2, 3], size=(1000, 3))
>>> np.std(x, axis=0)
array([ 1.00034817,  2.07868385,  3.05475583])

在numpy的multivariate_normal随机抽样中指定球面协方差

2 个答案: