multivariate_normal 多元正态分布
Posted yanshw
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了multivariate_normal 多元正态分布相关的知识,希望对你有一定的参考价值。
多元正态分布
正态分布大家都非常熟悉了,多元正态分布就是多维数据的正态分布,其概率密度函数为
上式为 x 服从 k 元正态分布,x 为 k 维向量;|Σ| 代表协方差矩阵的行列式
二维正态分布概率密度函数为钟形曲面,等高线是椭圆线族,并且二维正态分布的两个边缘分布都是一维正态分布,如图
np.random.multivariate_normal
生成一个服从多元正态分布的数组 【适用于 python3,但在 python2 中也能用】
multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)
mean:均值,维度为1,必选参数;
cov:协方差矩阵,必选参数;
size: 指定生成矩阵的维度,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:可取值 warn,raise以及ignore;
tol:检查协方差矩阵奇异值时的公差,float类型;
示例
mean = (1, 2) cov = [[1, 0], [0, 1]] x = np.random.multivariate_normal(mean, cov, (2, 2), ‘raise‘) # 2x2x2 print(x)
直接生成数组
scipy.stats.multivariate_normal
生成一个多元正态分布
def __call__(self, mean=None, cov=1, allow_singular=False, seed=None)
示例-生成多元正态分布
import numpy as np import scipy.stats as st import matplotlib.pylab as plt x, y = np.mgrid[-1:1:.01, -1:1:.01] pos = np.empty(x.shape + (2,)) pos[:, :, 0] = x; pos[:, :, 1] = y rv = st.multivariate_normal([0, 0], [[1, 0], [0, 1]]) # 生成多元正态分布 print(rv) # <scipy.stats._multivariate.multivariate_normal_frozen object at 0x08EDDDB0> 只是生成了一个对象,并没有生成数组 plt.contourf(x, y, rv.pdf(pos)) plt.show()
示例-概率密度函数
x = np.linspace(0, 5, 10, endpoint=False) # 样本 y = st.multivariate_normal.pdf(x, mean=2.5, cov=.5) # 样本的概率密度函数 plt.plot(x, y) plt.show()
生成了概率密度曲线
可用方法
pdf(x, mean=None, cov=1) :概率密度函数
logpdf(x, mean=None, cov=1) :概率密度函数日志
rvs(mean=None, cov=1) :从多元正态分布中随机抽取样本
entropy() :计算多元法线的微分熵
参考资料:
https://www.cnblogs.com/21207-iHome/p/8039741.html 多元正态分布
https://blog.csdn.net/zch1990s/article/details/80005940 np.random.multivariate_normal方法浅析
https://www.cnblogs.com/wanghui-garcia/p/10763418.html scipy.stats.multivariate_normal的使用
以上是关于multivariate_normal 多元正态分布的主要内容,如果未能解决你的问题,请参考以下文章
np.random.multivariate_normal方法浅析