生成具有给定数值分布矩阵的随机向量

如何解决生成具有给定数值分布矩阵的随机向量

我正试图提出一种从分布矩阵中生成随机向量的快速，智能方法，就像在此讨论的那样： Generate random numbers with a given (numerical) distribution

但是关键的区别是我有一个分布矩阵，而不是一个向量。

现在显然我可以创建一个for循环并在矩阵中的每个向量上循环，但这似乎不是很Python或快速，所以我有点希望有一种更好的方法。 / p>

举一个我想做的简单例子： 给定一个概率矩阵

p = [[0.2,0.4,0.4],[0.1,0.7,0.2],[0.44,0.5,0.06],...]

我希望绘制元素，其中每个元素都是通过概率矩阵中的概率选择的。 （基本上，我想从我的一个概率矩阵中生成一个“一键编码”）。 给定上述概率，例如：

t = [2,1,2,...]

我需要对长序列执行此操作，并且需要执行数百万次，但每次每次序列仅执行一次。 （用于深度学习的数据增强）

有人能做到这一点吗？

解决方法

您可以使用逆变换采样。计算p矩阵上的累积分布，对单个随机向量进行采样，其大小为矩阵高度，然后沿累积矩阵的每一行返回最大索引。在代码中：

p = np.array([[0.2,0.4,0.4],[0.1,0.7,0.2],[0.44,0.5,0.06]])
u = np.random.rand(p.shape[0])
idxs = (p.cumsum(1) < u).sum(1)

然后将根据p的行对idxs进行采样。例如：

np.histogram((p[0].cumsum() < np.random.rand(10000,1)).sum(1),bins=3)
# array([1977,4018,4005]),...