python中的numpy标准正态分布_如何在numpy范围内获得正态分布？

在机器学习任务中.我们应该得到一组带有边界的随机w.r.t正态分布.我们可以使用np.random.normal()获得正态分布数,但它不提供任何绑定参数.我想知道怎么做？

解决方法:

truncnorm的参数化很复杂,所以这里有一个将参数化转换为更直观的函数：

from scipy.stats import truncnorm

def get_truncated_normal(mean=0, sd=1, low=0, upp=10):

return truncnorm(

(low - mean) / sd, (upp - mean) / sd, loc=mean, scale=sd)

如何使用它？

>使用参数实例化生成器：平均值,标准偏差和截断范围：

>>> X = get_truncated_normal(mean=8, sd=2, low=1, upp=10)

>然后,您可以使用X生成值：

>>> X.rvs()

6.0491227353928894

>或者,具有N个生成值的numpy数组：

>>> X.rvs(10)

array([ 7.70231607, 6.7005871 , 7.15203887, 6.06768994, 7.25153472,

5.41384242, 7.75200702, 5.5725888 , 7.38512757, 7.47567455])

一个可视化示例

以下是三种不同截断正态分布的图：

X1 = get_truncated_normal(mean=2, sd=1, low=1, upp=10)

X2 = get_truncated_normal(mean=5.5, sd=1, low=1, upp=10)

X3 = get_truncated_normal(mean=8, sd=1, low=1, upp=10)

import matplotlib.pyplot as plt

fig, ax = plt.subplots(3, sharex=True)

ax[0].hist(X1.rvs(10000), normed=True)

ax[1].hist(X2.rvs(10000), normed=True)

ax[2].hist(X3.rvs(10000), normed=True)

plt.show()

标签：python,numpy,machine-learning,random,normal-distribution