生成服从正态分布的随机数

最新推荐文章于 2022-03-24 00:16:54 发布

RS&

最新推荐文章于 2022-03-24 00:16:54 发布

阅读量9.4k

点赞数 4

分类专栏： # python # MATLAB 文章标签：矩阵机器学习线性代数

本文链接：https://blog.csdn.net/qq_32649321/article/details/122946621

版权

143 篇文章 8 订阅

订阅专栏

25 篇文章 16 订阅

订阅专栏

1.matlab中normrnd函数
功能：生成服从正态分布的随机数

语法：

R＝normrnd(MU,SIGMA)
R＝normrnd(MU,SIGMA,m)
R＝normrnd(MU,SIGMA,m,n)

说明：

R＝normrnd(MU,SIGMA)：生成服从正态分布(MU参数代表均值，SIGMA参数代表标准差)的随机数。输入的向量或矩阵MU和SIGMA必须形式相同，输出R也和它们形式相同。标量输入将被扩展成和其它输入具有相同维数的矩阵。
R＝norrmrnd(MU,SIGMA,m)：生成服从正态分布(MU参数代表均值，SIGMA参数代表标准差)的
随机数矩阵，矩阵的形式由m定义。m是一个1×2向量，其中的两个元素分别代表返回值R中行与列的维数。
R＝normrnd(MU,SIGMA,m,n)：生成m×n形式的正态分布的随机数矩阵。

在这里插入图片描述
2.python中np.random.multivariate_normal
定义：def multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)

mean：多元正态分布的维度；n维分布的均值；
cov：多元正态分布的协方差矩阵，注意：协方差矩阵必须是对称的且需为半正定矩阵（形状为(N,N)的二维数组）；
size：指定生成的正态分布矩阵的维度（例：若size=(1, 1, 2)，则输出的矩阵的shape即形状为
1X1X2XN（N为mean的长度））。
check_valid：这个参数用于决定当cov即协方差矩阵不是半正定矩阵时程序的处理方式，它一共有三个值：warn，raise以及ignore（igore:忽略协方差矩阵不是半正定矩阵的问题，生成数组。warn:输出警告，但是还是会生成数组。raise:程序报错，且不会生成数组）。
tol：检查协方差矩阵奇异值时的公差，float类型。

import numpy as np

x = np.random.multivariate_normal(10, 2, (2, 3), 'raise')

3.python创建正态分布数
（1）生成随机正态分布数组

np.random.normal(loc =0.0 , scale= 1.0,size = (5,4))

loc：float类型，表示此正态分布的均值（对应整个分布中心）；
scale：float类型，表示此正态分布的标准差（对应于分布的密度，scale越大越矮胖，数据越分散；scale越小越瘦高，数据越集中）
size：输出的shape，size=(k,m,n)
表示输出k维，m行，n列的数，默认为None，只输出一个值，size=100，表示输出100个值
（2）生成标准正态分布数组

np.random.standard_normal(size = (5,4))   #返回指定形状的标准正态分布数组

下面是等价的语句：
python中：

print(np.random.normal(loc =0.0 , scale= 1.0,size = (2,1)))
print(np.random.standard_normal(size = (2,1)))

matlab中：normrnd(0,1,2,1)

关注