Question

我们假设我们得到了如下列表：

list = [[A,10,3],[B,5,2],[C,8,1]]

对于列表中的每个项目，可以选择可以通过softmax计算的概率。例如，对于第一个元素（A），我们有：

from math import exp

A_probability = exp(list[0][2]/list[0][1] /
                     (exp(list[0][2]/list[0][1]) +
                      exp(list[1][2]/list[1][1]) +
                      exp(list[2][2]/list[2][1])))

如何根据每个项目的可能性随机选择列表中的项目？

Answer 1

我假设您有一个预先计算的概率列表（比如probs），列表中的每个索引（比如data）都要选择。

此外，probs和data显然必须具有相同的长度，probs的条目必须是非负数，总计为1。

根据data中被称为轮盘赌轮的分布，有一种简洁而简单的技术可以随机选择probs中的索引。在Python中，我相信，它应该看起来像这样

import random

data = ['A', 'B', 'C', 'D']

probs = [0.2, 0.4, 0.3, 0.1]

def roulette_wheel(probs):
    rand = random.random()
    for slot, prob in enumerate(probs):
        rand -= prob
        if rand < 0.0:
            return slot

请注意，这可以通过将1乘以术语rand推广到非负权重列表（不必加sum(weights)）。我相信，我第一次在一本关于Pascal编程的书中看到了这个可爱的想法。

修改：

正如MadPhysicist在comment中所建议的那样，如果需要从同一数据中反复绘制，这可以提高效率。在这种情况下，可以预先计算累积分布函数，然后只对索引执行二进制搜索，使cumulative prob. <= rand ~ U(0, 1)。在Python中，这可能看起来像以下

from random import random from bisect import bisect_right def cdf(probs): cdf = [] total = 0.0 for p in probs: total += p cdf.append(total) return cdf def roulette_wheel_bisect(cdf): return bisect_right(cdf, random()) # compute cdf cumsum = cdf(probs) # randomly draw 10 indexes for i in range(0, 10): print(roulette_wheel_bisect(cumsum))

免责声明：我不是一个交易的Python程序员，所以上面的代码应该只说明一般的想法。对于实际应用来说，它可能不是很强大。例如，如果可以，您应该始终使用经过良好测试的标准库numpy。

<强> EDIT2 ：

我刚刚了解到numpy有numpy.random.choice，它正是您所需要的。例如：

from numpy import random data = ['A', 'B', 'C', 'D'] probs = [0.2, 0.4, 0.3, 0.1] # randomly draw 10 list elements with replacement for i in range(0, 10): print(random.choice(data, p=probs))

如何根据特定概率选择列表中的项目？

1 个答案: