numpy.random.Generator.dirichlet#
方法
- random.Generator.dirichlet(alpha, size=None)#
从狄利克雷分布中抽取样本。
从狄利克雷分布中抽取维度为 k 的
size
个样本。狄利克雷分布的随机变量可以看作是贝塔分布的多元概括。在贝叶斯推断中,狄利克雷分布是多项式分布的共轭先验。- 参数:
- alpha浮点数序列,长度为 k
分布的参数(长度为
k
,对应长度为k
的样本)。- sizeint 或 int 元组,可选
输出形状。如果给定的形状是,例如,
(m, n)
,则会抽取m * n * k
个样本。默认值为 None,在这种情况下,将返回长度为k
的向量。
- 返回:
- samplesndarray,
抽取的样本,形状为
(size, k)
。
- 引发:
- ValueError
如果
alpha
中的任何值小于零
备注
狄利克雷分布是对满足条件 \(x_i>0\) 和 \(\sum_{i=1}^k x_i = 1\) 的向量 \(x\) 的分布。
狄利克雷分布的随机向量 \(X\) 的概率密度函数 \(p\) 与以下成比例
\[p(x) \propto \prod_{i=1}^{k}{x^{\alpha_i-1}_i},\]其中 \(\alpha\) 是包含正浓度参数的向量。
该方法使用以下属性进行计算:令 \(Y\) 是一个随机向量,其分量遵循标准伽马分布,则 \(X = \frac{1}{\sum_{i=1}^k{Y_i}} Y\) 服从狄利克雷分布
参考
[1]David McKay,“信息论、推理和学习算法”,第 23 章,https://www.inference.org.uk/mackay/itila/
[2]维基百科,“狄利克雷分布”,https://en.wikipedia.org/wiki/Dirichlet_distribution
示例
以维基百科中引用的示例为例,如果想要将字符串(每个初始长度为 1.0)分割成 K 个部分,并且每个部分的平均长度都有指定,但允许部分的相对大小有一定程度的波动,则可以使用此分布。
>>> rng = np.random.default_rng() >>> s = rng.dirichlet((10, 5, 3), 20).transpose()
>>> import matplotlib.pyplot as plt >>> plt.barh(range(20), s[0]) >>> plt.barh(range(20), s[1], left=s[0], color='g') >>> plt.barh(range(20), s[2], left=s[0]+s[1], color='r') >>> plt.title("Lengths of Strings")