我有一个来自函数Y = f(X)的一系列样本，其中有d个随机变量，X_1，X_2 ... X_d和一个响应变量Y的{{1}}设置为X，x_1，... x_2，最后设置为x_d Y （Y是真正有价值的）。我将这些样本存储在维度为y的矩阵中，并将回复存储在向量(n x d)中。
我想以这样的方式计算Python中的联合分布：在接收到新样本后，我可以轻松地更新分发。
最重要的是，我希望能够从(d x 1)条件下的我自己的计算分布中对X设置进行采样，即选择所需的值Y并从条件中选择，加权联合分布Y = y的一组可能设置，给出X的选择。
有些变量是分类的，有些是序数的，但我可以将它们离散化为整数（即Y = y中的{'red'，'blue'，'green'} =＆gt; {1， 2,3}}如果需要的话。
对于小X_i来说，这样做很容易，但是更高版本会变得更加困难。 Python中此工作流程有哪些解决方案或框架？也许用numpy制作我自己的并不是那么糟糕？示例代码？我的统计知识非常非常少，但我在Python方面非常扎实。
答案 0 :(得分：0)
一般来说，这类问题属于机器学习领域，你可能想要查看的一个不错的python包是scikit-learn。 但如果您只需要采样，那么更简单的结构就可以了：
保留所有（x，y）对的列表，按y排序。 rbtree在这里非常方便。
如果您需要以某个值y = y0对（x，y）对进行采样，请在该列表中搜索该值y0，并从该位置返回一对对的选择。
< / LI>