如果我在列表中有一组项目.我想根据另一个权重列表从该列表中进行选择.
例如我的收藏是['one', 'two', 'three']和权重[0.2, 0.3, 0.5],我希望这个方法在所有抽奖的大约一半中给我'三'.
最简单的方法是什么？
我一直在尝试编写一个在中间使用softmax激活功能的程序.
现在,我有一个这样的概率列表:
P[0.10,0.25,0.60,0.05]
P中所有变量的总和始终为1.
考虑到附加概率,我想要一种方法来选择列表的索引.或者,换句话说,返回的函数
0 - 10% of the time
1 - 25% of the time
2 - 60% of the time
3 - 5% of the time
我完全不知道从哪里开始.任何帮助,将不胜感激.:)
numpy.random.choice 允许从矢量加权选择,即
arr = numpy.array([1, 2, 3])
weights = numpy.array([0.2, 0.5, 0.3])
choice = numpy.random.choice(arr, p=weights)
选择1概率为0.2,2选择概率为0.5,3选择概率为0.3.
如果我们想以矢量化的方式快速完成2D阵列(矩阵),每个行都是概率矢量,该怎么办？也就是说,我们想要一个随机矩阵的选择向量？这是超级慢的方式:
import numpy as np
m = 10
n = 100 # Or some very large number
items = np.arange(m)
prob_weights = np.random.rand(m, n)
prob_matrix = prob_weights / prob_weights.sum(axis=0, keepdims=True)
choices = np.zeros((n,))
# This is slow, because of the loop in Python
for i in range(n):
choices[i] = np.random.choice(items, p=prob_matrix[:,i])
print(choices):
array([ 4., 7., 8., 1., 0., 4., 3., 7., 1., …我正在寻找一个合理的函数定义weighted_sample,它不会为给定权重列表返回一个随机索引(这类似于
def weighted_choice(weights, random=random):
""" Given a list of weights [w_0, w_1, ..., w_n-1],
return an index i in range(n) with probability proportional to w_i. """
rnd = random.random() * sum(weights)
for i, w in enumerate(weights):
if w<0:
raise ValueError("Negative weight encountered.")
rnd -= w
if rnd < 0:
return i
raise ValueError("Sum of weights is not positive")
给出一个具有恒定权重的分类分布)但随机抽样k的那些,没有替换,就像random.sample行为相比random.choice.
就像weighted_choice可以写成一样
lambda weights: random.choice([val for val, cnt in enumerate(weights) …我想从 2D Numpy 数组的索引中采样，考虑到每个索引都由该数组内的数字加权。numpy.random.choice然而，我知道它的方式不返回索引，而是返回数字本身。有什么有效的方法吗？
这是我的代码：
import numpy as np
A=np.arange(1,10).reshape(3,3)
A_flat=A.flatten()
d=np.random.choice(A_flat,size=10,p=A_flat/float(np.sum(A_flat)))
print d