是否有類似於 np.random.choice 的函數在概率分布中選擇較低值的概率更高？

Question

我有一個對象數組，每個對象都有相應的概率，比如說

sample = [a, b, c, d, e, f]
probability = [0.1, 0.15, 0.6, 0.05, 0.03, 0.07]

對於我班上的大多數函數，這非常適合與 np.random.choice 一起使用，因為我想選擇概率最高的值。

但是，在其中一個函數上，我需要將其偏向概率較低的值（即比 c 更有可能在樣本中選擇 e 和 d）。

是否有一個函數可以做到這一點，或者我是否需要考慮將概率轉換為某種逆概率，例如

inverse_probability = [(1-x) for x in probability]
inverse_probability = [x/sum(inverse_probability) for x in probability]

然后在 np.random.choice 函數中使用它？

提前致謝！

Answer 1

我相信你可以使用泊松分布：

from numpy.random import poisson
index = poisson()
return sample[min(len(sample, index)]

有關此分發的更多詳細信息，請參閱Wikipedia 。

注意：這僅在您對如何完成優先級沒有任何要求時才有效。

Answer 2

這是一個簡單的解決方案，但應該可以解決您的問題：

sample = ['a', 'b', 'c', 'd', 'e', 'f']
probability = [0.1, 0.15, 0.6, 0.05, 0.03, 0.07]
np.random.choice(a=sample, p=probability)

解決方案1：

inverse_probability = [(1-x) for x in probability]
inverse_probability = [x/sum(inverse_probability) for x in inverse_probability]
np.random.choice(a=sample, p=inverse_probability)

解決方案2：

inverse_probability = [1/x for x in probability]
inverse_probability = [x/sum(inverse_probability) for x in inverse_probability]
np.random.choice(a=sample, p=inverse_probability)