首先看一下一维正太分布的公式:

其中μ为均值,σ为标准差。正太分布的草图如下图所示。

再看numpy提供的函数的参数:

multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)

在一维正太分布中,第一个参数mean就是这里的均值μ,第二个参数cov就是方差【公式Cov(X,X)=D(X),这里只是猜测】,第三个参数size就是生成的正态分布矩阵的维度

如下图,均值设置为3,方差为1,然后取100个点生成一维矩阵Y来绘制散点图,打印出方差接近设定的值1

可以看到散点图如下图,图中可以看出,100个散点的均值大致是3(看Y轴)

再看二维正太分布的公式:

这里μ1,μ2分别为变量X,Y的均值;σ1,σ2为分别为变量X,Y的标准差。草图如下。

再看协方差的定义,以及协方差与期望值的关系

函数multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)在二维正太分布中,

mean是变量X和Y的均值,它的维度为一维。

cov是一个协方差矩阵,它的组成如下,在tensorflow中一般设置cov(x,y)=cov(y,x)=0

size表示生成的正态分布矩阵的维度,如size维度为(1,3,2),那么生成的正太分布矩阵维度为:1*3*2*len(mean)

其他几个参数见链接

接着设置mean=[3,0],cov=diag(1,1),使用300个点绘制散点图,打印出X和Y的方差均接近于设定的值1

可以看到散点图中,X和Y的均值大致上分别是3和0

可依此类推至多维正太分布中。

由于初学深度学习,也是费了一番功夫百度找到一些资料,再加上代码验证所写,难免会有各种错误。错误之处还请指出,谢谢。

python中不具备np_Python中np.random.multivariate_normal问题?相关推荐

  1. NumPy - np.random.multivariate_normal()

    np.random.multivariate_normal(mean, cov, size=None, check_valid=None, tol=None) 生成一个多元正态分布矩阵. o. mea ...

  2. python生成随机数代码_Python中产生随机数

    一.Python自带的random库 1.参生n--m范围内的一个随机数: random.randint(n,m) 2.产生0到1之间的浮点数: random.random() 3.产生n---m之间 ...

  3. Python先生,你好!(6)——np.random函数详解

    Python先生,你好!(6)--np.random函数详解 (一)前 言 (二)常用方法 (1)np.random.rand() (2)np.random.randn() (3)np.random. ...

  4. np.random.uniform()函数用法总结

    概述 np.random.uniform()作用于从一个均匀分布的区域中随机采样. 用法 np.random.uniform(low, high ,size) ```其形成的均匀分布区域为[low, ...

  5. np.random的各种不同用法

    随机抽样 (numpy.random) 简单的随机数据 rand(d0, d1, ..., dn) 随机值(随机值位于0~1之间 >>> np.random.rand(3,2) ar ...

  6. python打乱数据集_在Keras中利用np.random.shuffle()打乱数据集实例

    我就废话不多说了,大家还是直接看代码吧~ from numpy as np index=np.arange(2000) np.random.shuffle(index) print(index[0:2 ...

  7. python中rand函数是什么意思_科学网-Python中*和**作用及随机数产生函数 np.random.rand()/numpy.random.unifo...-张伟的博文...

    [第一部分] Python中的 * 和 ** ,能够让函数支持任意数量的参数,它们在函数定义和调用中,有着不同的目的! 一. 打包参数 * 的作用:在函数定义中,收集所有位置参数到一个新的元组,并将整 ...

  8. python中np.random.randint()函数

    numpy.random.randint(low, high=None, size=None, dtype='l') 输入:  low-–为最小值  high--为最大值  size-–为数组维度大小 ...

  9. 【python-numpy】工具包中np.random.choice()的用法详解及其参考

    本文为CSDN博主「ImwaterP」的原创文章,转载请附上原文出处链接及本声明. 原文链接:https://blog.csdn.net/ImwaterP/article/details/962822 ...

最新文章

  1. Kafka单机Windows环境搭建
  2. Spring-基础设施类
  3. VB中Unload、END、Hide的区别
  4. shell如何清除linux系统所有任务,技术|RHCE 系列(四): 使用 Shell 脚本自动化 Linux 系统维护任务...
  5. 推荐几款不错的Chrome 插件
  6. USB key身份认证介绍
  7. 提升NexusPHP解析种子文件性能(优化benc.php)
  8. GB28181 PS流传输格式详解
  9. 惠普1005打印机自检页_hp1005打印机自检报告.docx
  10. android逆向开发工程师需要掌握的技能--实习一个月总结报告
  11. 钉钉企业内部机器人python开发(公网部署版本)
  12. mongodb4.0学习总结二(read concern)
  13. 燕十八PHP全套视频
  14. 10款Github上最火爆的国产开源项目【2014】
  15. Web前端期末大作业-生鲜商城平台公司网站网页设计(HTML+CSS+JS)
  16. Mock模拟数据测试一:使用fiddler mock response数据
  17. 2023年 ChatGPT 研究报告
  18. android只保留中文资源,Android中文资源站专栏:五个“女人最大”的软件
  19. 计算机毕业设计SSM本地美食推荐平台【附源码数据库】
  20. 英语笔记(单词来自Shiro文档)01

热门文章

  1. 2003 SERVER 本地连接 TCP/IP问题[转]
  2. sql server 2005 优化方法
  3. CString GetBuffer() GetString()
  4. Framebuffer 机制
  5. MQTT学习笔记——MQTT协议体验 Mosquitto安装和使用
  6. 微众WeCross 跨链平台(4)异构链互联协议HIP
  7. 近世代数--内直积--内直积是什么?充要条件?
  8. MongoDB数据库的创建与删除
  9. 【安全漏洞】一次前台任意文件下载漏洞挖掘
  10. 160个Crackme009