[英]np.random.choice: probabilities do not sum to 1
我如何在這里使用 np.random.choice ? 有通過某種操作計算的p
,例如:
p=[ 1.42836755e-01, 1.42836735e-01 , 1.42836735e-01, 1.42836735e-01
, 4.76122449e-05, 1.42836735e-01 , 4.76122449e-05 , 1.42836735e-01,
1.42836735e-01, 4.76122449e-05]
通常總和 p 不完全等於 1:
>>> sum(p)
1.0000000017347
我想通過概率 = p 進行隨機選擇:
>>> np.random.choice([1,2,3,4,5,6,7,8,9, 10], 4, p=p, replace=False)
array([4, 3, 2, 9])
這里的工作! 但在程序中它有一個錯誤:
Traceback (most recent call last):
indexs=np.random.choice(range(len(population)), population_number, p=p, replace=False)
File "mtrand.pyx", line 1141, in mtrand.RandomState.choice (numpy/random/mtrand/mtrand.c:17808)
ValueError: probabilities do not sum to 1
如果我打印p
:
[ 4.17187500e-05 2.49937500e-01 4.16562500e-05 4.16562500e-05
2.49937500e-01 4.16562500e-05 4.16562500e-05 4.16562500e-05
2.49937500e-01 2.49937500e-01]
但它可以通過這個p
在 python shell 中工作:
>>> p=[ 4.17187500e-05 , 2.49937500e-01 ,4.16562500e-05 , 4.16562500e-05,
2.49937500e-01 , 4.16562500e-05 , 4.16562500e-05 , 4.16562500e-05,
2.49937500e-01 ,2.49937500e-01]
>>> np.random.choice([1,2,3,4,5,6,7,8,9, 10], 4, p=p, replace=False)
array([ 9, 10, 2, 5])
更新我已經通過 precision=15 對其進行了測試:
np.set_printoptions(precision=15)
print(p)
[ 2.499375625000002e-01 2.499375000000000e-01 2.499375000000000e-01
4.165625000000000e-05 4.165625000000000e-05 4.165625000000000e-05
4.165625000000000e-05 4.165625000000000e-05 2.499375000000000e-01
4.165625000000000e-05]
測試:
>>> p=np.array([ 2.499375625000002e-01 ,2.499375000000000e-01 ,2.499375000000000e-01,
4.165625000000000e-05 ,4.165625000000000e-05, 4.165625000000000e-05,
4.165625000000000e-05 , 4.165625000000000e-05 , 2.499375000000000e-01,
4.165625000000000e-05])
>>> np.sum(p)
1.0000000000000002
如何解決這個問題以使用 np.random.choice ?
這是 numpy 的一個已知問題。 隨機選擇函數使用給定的容差( 這里是源)檢查概率的總和
如果總和足夠接近 1,解決方案是通過將概率除以它們的總和來標准化概率
示例:
>>> p=[ 1.42836755e-01, 1.42836735e-01 , 1.42836735e-01, 1.42836735e-01
, 4.76122449e-05, 1.42836735e-01 , 4.76122449e-05 , 1.42836735e-01,
1.42836735e-01, 4.79122449e-05]
>>> sum(p)
1.0000003017347 # over tolerance limit
>>> np.random.choice([1,2,3,4,5,6,7,8,9, 10], 4, p=p, replace=False)
Traceback (most recent call last):
File "<pyshell#23>", line 1, in <module>
np.random.choice([1,2,3,4,5,6,7,8,9, 10], 4, p=p, replace=False)
File "mtrand.pyx", line 1417, in mtrand.RandomState.choice (numpy\random\mtrand\mtrand.c:15985)
ValueError: probabilities do not sum to 1
歸一化:
>>> p = np.array(p)
>>> p /= p.sum() # normalize
>>> np.random.choice([1,2,3,4,5,6,7,8,9, 10], 4, p=p, replace=False)
array([8, 4, 1, 6])
查看差異的一種方法是:
numpy.set_printoptions(precision=15)
print(p)
這可能會告訴你你的4.17187500e-05
實際上是4.17187500005e-05
。 請參閱此處的手冊。
將其轉換為 float64:
p = np.asarray(p).astype('float64')
p = p / np.sum(p)
np.random.choice([1,2,3,4,5,6,7,8,9, 10], 4, p=p, replace=False)
這是受到另一篇文章的啟發: 使用 numpy.random.multinomial 時如何避免值錯誤?
ValueError:概率總和不為 1
這是一個已知的 numpy 錯誤。 當 numpy 無法足夠精確地處理浮點操作時會發生此錯誤。 有時,概率的總和等於 0.9999999999997 或 1.0000000000003。 他們會破壞 np.random.choice()。
有一個解決方法: np.random.multinomial() 。 這種方法可以更優雅地處理概率,而無需精確到 1.0。
pvals :浮點數序列,長度為 p 每種不同結果的概率。 這些總和應為 1(但是,只要 sum(pvals[:-1]) <= 1,則始終假定最后一個元素考慮剩余概率)。
例如,我有一些選擇和與選擇相關的 normalized_weights。
np.random.multinomial() 根據 normalized_weights 選擇 20 次並返回每個選擇被選擇的次數。
choices = [......]
weights = np.array([......])
normalized_weights = weights / np.sum(weights)
number_of_choices = 20
resample_counts = np.random.multinomial(number_of_choices,
normalized_weights)
chosen = []
resample_index = 0
for resample_count in resample_counts:
for _ in range(resample_count):
chosen.append(choices[resample_index])
resample_index += 1
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.