Question

考虑范围[0,100]。假设我要从该范围内采样N个点，但是我想将我的采样点“聚类”在50个（或该范围内的任何数字）附近，并且采样点越接近0或100，就成倍地减少。

如何在Python中完成此操作？

谢谢

Answer 1

您可以从以50为中心的正态分布中进行采样。这是在NumPy中完成任务的一种方式：

import numpy as np
N = 100
stddev = 10 # Play with it
your_range = 0,100
midpoint = sum(your_range) / 2
samples = np.random.normal(midpoint, stddev, N)
good_samples = samples[(samples <= your_range[1]) &\
                       (samples >= your_range[0])]

Answer 2

正如DyZ所说，可以使用正态分布，但是正态分布的支持范围是-inf到inf。您还可以使用beta分布，其支持范围是0到1，然后乘以100可以得到0到100。通过看几个示例来选择形状参数：https://en.wikipedia.org/wiki/Beta_distribution

类似：

import numpy as np
a = 20
b = 20
num_samples = 10
samples = np.round(np.random.beta(a, b, num_samples) * 100)

要感受所需的形状，可以尝试以下网站：https://keisan.casio.com/exec/system/1180573226。使用Beta时，您的分布以/（a + b）为中心。在您的情况下，如果希望它居中（50），请确保a = b。然后，您使用的数字越高，分布就会越“尖峰”。

Answer 3

如果您的意思是平均减少几分，那么一个廉价的解决方案可以像这样工作：

根据指数分布采样值，将中心移到50并随机更改传播方向：

import numpy as np

n = 1000
offset = 50
spread = np.random.exponential(scale=np.log(offset), size=n)
direction = (-1)**np.random.randint(2, size=n)

x = offset + spread * direction
# Trim the outliers
x = x[(x <= 100) & (x >= 0)]

点的聚类采样

3 个答案: