隨機正態值的斯卡拉微風矩陣

Question

我想要在python中獲得的相同結果

x=np.random.normal(0, 1, (n_samples, n_features))

我努力了：

import breeze.linalg._

object HelloWorld {
  def main(args: Array[String]) {
    println("Start")

    val n_samples = 5
    val n_features = 3

    val normal01 = breeze.stats.distributions.Gaussian(0, 1)
    val samples = normal01.sample(n_features*n_features)

    val X = DenseMatrix(n_samples, n_features,  samples) // return an error



    //print(X)
  }
}

錯誤在哪里？

Answer 1

一個簡單的替代實現：

val normal01 = breeze.stats.distributions.Gaussian(0, 1)
DenseMatrix.rand(n_samples, n_features, normal01)

.rand構造函數接受一個可選的隨機生成器，默認為Uniform（0，1）

Answer 2

將矩陣創建行替換為：

val X = new DenseMatrix[Double](n_samples, n_features, samples.toArray)

然后在前一行上修正錯字。

由於某種原因，該構造函數似乎不在伴隨對象中，因此您必須使用“ new”關鍵字（這可能是Breeze中的錯誤，因此可以將其作為問題提出）。 另外，您需要將“樣本”強制轉換為常規Scala數組。

Answer 3

這是帶種子的Python中np.random.normal的解決方案（相同的種子會產生相同的隨機數）

implicit val randBasis: RandBasis = new RandBasis(new ThreadLocalRandomGenerator(new MersenneTwister(seed)))
val Gausian = breeze.stats.distributions.Gaussian(0.0, 1.0)
val R: DenseMatrix[Double] = DenseMatrix.rand(numRows, numColumns, Gausian)