机器学习系列手记（八）：采样之均匀分布随机数

采样

均匀分布随机数

      均匀分布是指在整个样本空间中的每一个样本点对应的概率（密度）都是相等的。根据样本空间是否连续，又分为离散均匀分布和连续均匀分布。均匀帆布可以算作是最简单的概率分布。从均匀分布中进行采样，即生成均匀分布随机数，几乎是所以采样算法都需要用到的基本操作。
      如何编程实现均匀分布？首先需要明确，计算机程序都是确定的，因此并不能产生真正意义上的完全均匀分布随机数，只能产生伪随机数（伪随机数是指这些数字虽然是通过确定性的程序产生的，但是它们能通过近似的随机性测试）。另外，由于计算机的存储和计算单元只能处理离散状态值，因此也不能产生连续均匀分布随机数，只能通过离散分布来逼近连续分布（用很大的离散空间来提供足够的精度）。
      一般可采用线性同余法来生成离散均匀分布伪随机数，计算公式为
x t + 1 = a ⋅ x t + c ( m o d m ) x_{t+1}=a \cdot x_t+c(mod m) xt+1​=<