رسم عنصر عشوائي في numpy

Question

لنفترض أن لدي مجموعة من احتمالات العناصر [0.1, 0.2, 0.5, 0.2].مجموع الصفيف يصل إلى 1.0.

باستخدام Python أو numpy، أريد رسم عناصر تتناسب مع احتماليتها:العنصر الأول حوالي 10% من الوقت، والثاني 20%، والثالث 50%، وما إلى ذلك.يجب أن يُرجع "الرسم" فهرس العنصر المرسوم.

خطرت لي هذه:

def draw(probs):
    cumsum = numpy.cumsum(probs / sum(probs)) # sum up to 1.0, just in case
    return len(numpy.where(numpy.random.rand() >= cumsum)[0])

إنه يعمل، لكنه معقد جدًا، يجب أن تكون هناك طريقة أفضل.شكرًا.

Answer 1

import numpy as np
def random_pick(choices, probs):
    '''
    >>> a = ['Hit', 'Out']
    >>> b = [.3, .7]
    >>> random_pick(a,b)
    '''
    cutoffs = np.cumsum(probs)
    idx = cutoffs.searchsorted(np.random.uniform(0, cutoffs[-1]))
    return choices[idx]

---

كيف تعمل:

In [22]: import numpy as np
In [23]: probs = [0.1, 0.2, 0.5, 0.2]

حساب المبلغ التراكمي:

In [24]: cutoffs = np.cumsum(probs)
In [25]: cutoffs
Out[25]: array([ 0.1,  0.3,  0.8,  1. ])

حساب رقم عشوائي موزع بشكل موحد في الفترة نصف المفتوحة [0, cutoffs[-1]):

In [26]: np.random.uniform(0, cutoffs[-1])
Out[26]: 0.9723114393023948

يستخدم com.searchsorted للعثور على الفهرس الذي سيتم إدراج الرقم العشوائي فيه cutoffs:

In [27]: cutoffs.searchsorted(0.9723114393023948)
Out[27]: 3

يعود choices[idx], ، أين idx هو هذا المؤشر.

Answer 2

تريد أخذ عينة من التوزيع الفئوي، والذي لم يتم تنفيذه في numpy.ومع ذلك، متعدد الحدود التوزيع هو تعميم لل قاطع التوزيع ويمكن استخدامها لهذا الغرض.

>>> import numpy as np
>>> 
>>> def sampleCategory(p):
...     return np.flatnonzero( np.random.multinomial(1,p,1) )[0]
... 
>>> sampleCategory( [0.1,0.5,0.4] )
1

Answer 3

يستخدم numpy.random.multinomial - الاكثر فعاليه

Answer 4

لم أستخدم numpy مطلقًا، لكنني أفترض أن الكود الخاص بي أدناه (python فقط) يفعل نفس الشيء الذي أنجزته في سطر واحد.أنا أضعه هنا فقط في حال كنت تريد ذلك.

يبدو c-ish جدًا لذا أعتذر عن عدم كونه بيثونيًا جدًا.

الوزن_المجموع سيكون 1 بالنسبة لك.

def draw(probs)
    r = random.randrange(weight_total)
    running_total = 0
    for i, p in enumerate(probs)
        running_total += p
        if running_total > r:
            return i

Answer 5

يستخدم ينصف

import bisect
import random
import numpy 
def draw(probs):
    cumsum=numpy.cumsum(probs/sum(probs))
    return bisect.bisect_left(cumsum, numpy.random.rand())

يجب أن تفعل الخدعة.