d维中均匀分布的数据

Question

如何在Python中生成均匀分布的[-1,1] ^ d数据？例如。 d是一个像10的维度。

我知道如何生成像np.random.randn（N）这样的均匀分布的数据，但维度事物让我很困惑。

Answer 1

假设各个坐标的独立性，则以下内容将在[-1, 1)^d

中生成随机点

np.random.random(d) * 2 - 1

以下将生成n个观察结果，其中每一行都是观察

np.random.random((n, d)) * 2 - 1

Answer 2

正如已经指出的，randn产生正态分布数（又称高斯数）。为了统一分配，你应该使用“uniform”。

如果您只想在10个均匀分布的数字时间使用单个样本，则可以使用：

import numpy as np
x = np.random.uniform(low=-1,high=1,size=10)

或者，如果您想一次性生成它们（例如100个），那么您可以这样做：

import numpy as np
X = np.random.uniform(low=-1,high=1,size=(100,10))

现在X [0]，X [1]，......每个都有10个长度。

Answer 3

您可以导入random模块并调用random.random以从[0,1]获取随机样本。您可以将其加倍并减去1以从[-1,1]中获取样本。

以这种方式绘制d值，元组将是立方体[-1,1）^ d的统一绘制。

Answer 4

没有numpy：

[random.choice([-1,1]) for _ in range(N)]

可能有理由使用numpy的内部机制，或者手动使用random()等。但这些是实现细节，也与随机数生成日期如何操作系统提供的熵相关。< / p>