np.random.multivariate_normal方法浅析

np.random.multivariate_normal方法用于根据实际情况生成一个多元正态分布矩阵（正态分布基本概念戳这里），其在Python3中的定义如下：

def multivariate_normal(mean, cov, size=None, check_valid=None, tol=None) 

其中mean和cov为必要的传参而size，check_valid以及tol为可选参数。

    mean：mean是多维分布的均值维度为1；

    cov：协方差矩阵（协方差基本概念戳这里），注意：协方差矩阵必须是对称的且需为半正定矩阵；

    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。当使用warn作为传入的参数时，如果cov不是半正定的程序会输出警告但仍旧会得到结果；当使用raise作为传入的参数时，如果cov不是半正定的程序会报错且不会计算出结果；当使用ignore时忽略这个问题即无论cov是否为半正定的都会计算出结果。3种情况的console打印结果如下：

    =========================使用warn时=============================

    

    =========================使用raise时=============================

    

    =========================使用ignore时=============================

    

    tol：检查协方差矩阵奇异值时的公差，float类型。

最后放一个示例这里生成一个形状为2X2X2的正态分布矩阵，代码及结果如下：

import numpy as np;
mean = (1, 2)
cov = [[1, 0], [0, 1]]
x = np.random.multivariate_normal(mean, cov, (2, 2), 'raise')
print(x)

结果如下：