Python numpy random.mtrand.RandomState.dirichlet用法及代码示例

用法： RandomState.dirichlet(alpha, size=None)

从Dirichlet分布中抽取样本。

从Dirichlet分布中绘制尺寸为k的尺寸样本。 Dirichlet-distributed随机变量可以看作是Beta分布的多元概括。 Dirichlet分布是贝叶斯推断中多项式分布的共轭先验。

参数：	alpha：： array 分布参数(k维样本为k维样本)。 size：： int 或 tuple of ints, 可选参数输出形状。如果给定的形状是`(m, n, k)`，然后`m * n * k`抽取样品。默认值为无，在这种情况下，将返回单个值。
返回值：	samples：： ndarray，绘制的样本，形状(大小，alpha.ndim)。
异常：	ValueError：如果alpha中的任何值小于或等于零

注意：

Dirichlet分布是向量的分布满足条件 x_i>0 和 $\sum_{i=1}^k x_i = 1$ 。

概率密度函数Dirichlet-distributed随机向量与...成正比

$p(x) \propto \prod_{i=1}^{k}{x^{\alpha_i-1}_i},$

哪里 $\alpha$ 是包含正浓度参数的向量。

该方法使用以下属性进行计算：let是一个随机向量，其分量遵循标准伽玛分布，然后 $X = \frac{1}{\sum_{i=1}^k{Y_i}} Y$ 是Dirichlet-distributed

参考文献：

[1]	David McKay，“信息论，推理和学习算法”，第23章，http://www.inference.org.uk/mackay/itila/

[2]	维基百科，“Dirichlet distribution”，https://en.wikipedia.org/wiki/Dirichlet_distribution

例子：

以Wikipedia中引用的示例为例，如果一个人想要将字符串(每个初始长度为1.0)切成不同长度的K个片段，则可以使用这种分布，其中每个片段平均具有指定的平均长度，但允许件的相对尺寸。

>>> s = np.random.dirichlet((10, 5, 3), 20).transpose()

>>> import matplotlib.pyplot as plt
>>> plt.barh(range(20), s[0])
>>> plt.barh(range(20), s[1], left=s[0], color='g')
>>> plt.barh(range(20), s[2], left=s[0]+s[1], color='r')
>>> plt.title("Lengths of Strings")

../../../_images/numpy-random-mtrand-RandomState-dirichlet-1.png

注：本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.dirichlet。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。