d维均匀分布的数据

Question

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

我知道如何生成均匀分布的数据，例如np.random.randn（N），但是维度问题让我很困惑。

Answer 1

假设各个坐标的独立性，则以下将在[-1, 1)^d生成一个随机点

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

以下将生成n观测值，其中每一行都是一个观测值

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

Answer 2

正如已经指出的那样，randn产生正态分布的数（又名高斯）。 要获得均匀分布，您应该使用“统一”。

如果您只想一次采样10个均匀分布的数字，则可以使用：

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

或者，如果您想一次生成很多（例如100个），则可以执行以下操作：

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

现在X [0]，X [1]，...的长度均为10。

Answer 3

您可以导入random模块并调用random.random以从[0，1）获得随机样本。 您可以将其加倍并减去1，以从[-1，1）中获得样本。

以这种方式绘制d值，并且元组将是从立方体[-1，1）^ d的均匀绘制。

Answer 4

没有numpy的：

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

可能有理由使用numpy的内部机制，或手动使用random()等。但是这些是实现细节，并且还与随机数生成如何分配操作系统提供的熵比特有关。