来自DMCichlet分布的采样中来自PyMC的FloatingPointError

在使用装饰器来定义"指数随机变量的对数"的随机对象不成功之后,我决定使用手动编写这个新分布的代码pymc.stochastic_from_dist.我想在这里实现的模型(第一个模型): 在此输入图像描述

现在,当我尝试使用MCMC Metropolis和正态分布作为提议对日志(alpha)进行采样时(如下图所示,作为采样方法),我收到以下错误:

  File "/Library/Python/2.7/site-packages/pymc/distributions.py", line 980, in rdirichlet
    return (gammas[0]/gammas[0].sum())[:-1]

FloatingPointError: invalid value encountered in divide

Run Code Online (Sandbox Code Playgroud)

虽然采样不会出错的时间,但采样直方图与本文中的采样直方图相匹配.我的分层模型是:

"""
A Hierarchical Bayesian Model for Bags of Marbles

logalpha ~ logarithm of an exponential distribution with parameter lambd
beta ~ Dirichlet([black and white ball proportions]:vector of 1's)
theta ~ Dirichlet(alpha*beta(vector))

"""

import numpy as np
import pymc
from scipy.stats import expon
lambd=1.
__all__=['alpha','beta','theta','logalpha']
#------------------------------------------------------------
# Set up pyMC model: logExponential
# 1 parameter: (alpha)

def logExp_like(x,explambda): …

Run Code Online (Sandbox Code Playgroud)

python random floating-point sampling pymc

Cup*_*tor

2017 05-23

15
推荐指数

1
解决办法

600
查看次数

从NumPy阵列中随机选择单元格 - 无需替换

我在NumPy中编写了一些建模例程,需要从NumPy数组中随机选择单元格并对它们进行一些处理.必须选择所有单元而不进行替换(例如,一旦选择了单元,就不能再次选择,但必须在结束时选择所有单元).

我正在从IDL过渡,在那里我可以找到一个很好的方法来做到这一点,但我认为NumPy有一个很好的方法来做到这一点.你会建议什么？

更新:我应该说我正在尝试在2D数组上执行此操作,因此返回一组2D索引.

python random numpy shuffle sampling

rob*_*ntw

2017 05-12

13
推荐指数

2
解决办法

1万
查看次数

采样三角形中的随机点

假设你有一个顶点的三角形任意A,B和C.本文(第4.2节)说,你可以通过以下顶点的凸组合P从三角形内均匀地生成一个随机点ABC:

P = (1 - sqrt(r1)) * A + (sqrt(r1) * (1 - r2)) * B + (sqrt(r1) * r2) * C

Run Code Online (Sandbox Code Playgroud)

在哪里r1和r2均匀地绘制[0, 1],并且sqrt是平方根函数.

你如何证明在三角形内均匀分布的采样点ABC？

编辑

正如在mathoverflow问题的评论中所指出的, Graphical Gems讨论了这种算法.

algorithm geometry numerical-methods sampling

dsg*_*dsg

2017 04-13

13
推荐指数

1
解决办法

1万
查看次数

从链式哈希表中有效地选择一个随机元素？

仅仅是为了练习(而不是作业),我一直试图解决这个问题(CLRS,第3版,练习11.2-6):

假设我们在大小为m的哈希表中存储了n个密钥,通过链接解决了冲突,并且我们知道每个链的长度,包括最长链的长度L. 描述从散列表中的密钥中随机均匀地选择密钥并在预期时间O(L*(1 + m/n))中返回它的过程.

到目前为止我所想的是每个键返回的概率是1/n.如果我们试图得到一个介于1到n之间的随机值x,并尝试按顺序查找按顺序排序的第x个密钥,然后沿着存储桶中的链,那么将需要O(m)才能找到正确的存储桶通过桶一个接一个地和O(L)时间来获得链中的正确密钥.

random algorithm hashtable sampling data-structures

Bic*_*Cao

2011 12-26

13
推荐指数

1
解决办法

4572
查看次数

OpenCV,如何使用点阵列来平滑和采样轮廓？

我有一个问题是在OpenCV(C++ API)中平滑和采样轮廓.假设我已经从中检索了一系列点数cv::findContours(例如应用于此图像:

在此输入图像描述

最终,我想要

使用不同的内核平滑一系列点.
使用不同类型的插值调整序列的大小.

平滑后,我希望得到如下结果:

在此输入图像描述

我还考虑在a中绘制轮廓cv::Mat,过滤Mat(使用模糊或形态学操作)并重新找到轮廓,但速度慢且次优.因此,理想情况下,我可以专门使用点序列来完成工作.

我在上面阅读了几篇帖子并天真地认为我可以简单地将一个std::vector(of cv::Point)转换为a cv::Mat然后像模糊/调整大小的OpenCV函数将为我做的工作......但他们没有.

这是我尝试过的:

int main( int argc, char** argv ){

    cv::Mat conv,ori;
    ori=cv::imread(argv[1]);
    ori.copyTo(conv);
    cv::cvtColor(ori,ori,CV_BGR2GRAY);

    std::vector<std::vector<cv::Point> > contours;
    std::vector<cv::Vec4i > hierarchy;

    cv::findContours(ori, contours,hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_NONE);

    for(int k=0;k<100;k += 2){
        cv::Mat smoothCont;

        smoothCont = cv::Mat(contours[0]);
        std::cout<<smoothCont.rows<<"\t"<<smoothCont.cols<<std::endl;
        /* Try smoothing: no modification of the array*/
//        cv::GaussianBlur(smoothCont, smoothCont, cv::Size(k+1,1),k);
        /* Try sampling: "Assertion failed (func != 0) in resize"*/
//        cv::resize(smoothCont,smoothCont,cv::Size(0,0),1,1);
        std::vector<std::vector<cv::Point> > v(1);
        smoothCont.copyTo(v[0]);
        cv::drawContours(conv,v,0,cv::Scalar(255,0,0),2,CV_AA); …

Run Code Online (Sandbox Code Playgroud)

c++ opencv contour sampling

Que*_*ann

2012 08-14

13
推荐指数

1
解决办法

1万
查看次数