与C ++中的numpy.random.choice等效的功能

jac*_*ack 1 c++ opencv non-uniform-distribution c++11

我需要您的帮助来解决以下问题:

c ++ / opencv中是否有一个等效于以下代码的函数:

np.random.choice(len(vec), samples, p=probabilities[:,0], replace=True)
Run Code Online (Sandbox Code Playgroud)

提前致谢。

Jos*_*and 5

似乎您正在寻找从离散随机分布中采样

该页面上的示例相当具有说明性:

// discrete_distribution
#include <iostream>
#include <random>

int main()
{
  const int nrolls = 10000; // number of experiments
  const int nstars = 100;   // maximum number of stars to distribute

  std::default_random_engine generator;
  std::discrete_distribution<int> distribution {2,2,1,1,2,2,1,1,2,2};

  int p[10]={};

  for (int i=0; i<nrolls; ++i) {
    int number = distribution(generator);
    ++p[number];
  }

  std::cout << "a discrete_distribution:" << std::endl;
  for (int i=0; i<10; ++i)
    std::cout << i << ": " << std::string(p[i]*nstars/nrolls,'*') << std::endl;

  return 0;
}
Run Code Online (Sandbox Code Playgroud)


JHB*_*ius 5

好吧,让我们看看:

numpy.random.choice(a, size=None, replace=True, p=None)
Run Code Online (Sandbox Code Playgroud)

链接

->看我的评论,我猜你把函数的一些参数弄混了。

对于输入,a您正在使用样本数组。作为所需的输出大小len(vec),您需要进行替换采样并具有自定义的非均匀分布。

首先使用随机分布生成索引数组,然后使用索引数组生成选定元素的数组可能就足够了。

C ++为生成非均匀分布的数字提供了帮助, std::discrete_distribution

例:

#include <random>
#include <vector>
#include <algorithm>

using std::vector;

int main()
{
    const int outputSize = 10;

    vector<double> vec(outputSize);

    const vector<double> samples{ 1, 2, 3, 4, 5, 6, 7 };
    const vector<double> probabilities{ 0.1, 0.2, 0.1, 0.5, 0,1 };

    std::default_random_engine generator;
    std::discrete_distribution<int> distribution(probabilities.begin(), probabilities.end());

    vector<int> indices(vec.size());
    std::generate(indices.begin(), indices.end(), [&generator, &distribution]() { return distribution(generator); });

    std::transform(indices.begin(), indices.end(), vec.begin(), [&samples](int index) { return samples[index]; });

    return 0;
}
Run Code Online (Sandbox Code Playgroud)

编辑:链接似乎表明,std::default_random_engine执行采样更换。