在Matlab中生成隨機二維點

-4

我是Matlab中的新手，我試圖根據高斯（正態）分佈和均勻分佈生成二維隨機數。假設我想要創建一個將用於數據挖掘任務/算法（二維數據過擬合）的2個不同數據集（高斯（1800對）和均勻（1200對））。在Matlab中生成隨機二維點

其他重要問題是數據點應該在0-20的範圍內。

我已經試過這對於高斯分佈

SIGMA = [.5 .05; .05 .5 ]; 
temp = mvnrnd([-3 0], SIGMA,1800);

這些代碼生成-5之間的數值爲5，我想生成0-20所以我試圖

SIGMA = [0 20];

，但我得到的範圍-20至20

我怎樣才能得到範圍0-20？

來源

2013-11-25 H-Bahrami

到目前爲止你累了什麼？你有沒有看過'rand'和'randn'？給我們展示一些代碼... – Shai

高斯隨機變量沒有硬性界限。極端值不太可能。你能做的最好的就是抵消平均值，這是由mvnrnd的第一個參數控制的。試試[10 10]。 – Peter

'mvnrnd'不是正態分佈（除非你可能選擇合適的參數來適應特殊情況）。使用'randn'代替。 – Daniel

Gaussian_r=10+(10/3)*randn(1800,1)

在這裏，我使用的3西格瑪規則，其中隨機變量的99.7％將落在平均值之間 - 西格瑪意味着+ 3西格瑪，這意味着仍有可能下跌，如果這是你所指定的區域外0.3％不是配不上你，你可以讓西格瑪小

Uniform_r = 20*rand(1200,1)

，如果你想這些是整數使用蘭迪代替

檢查randn randi rand

來源

2013-11-25 21:59:06 mhmsa

統一： R =蘭迪（20,2,1200）

高斯：的函數randn是高斯分佈的標準偏差（SIGMA）= 1和平均（MU）= 0。真實正態分佈不受限於一個區間，隨着距離平均值越遠，事件的概率越小。隨着您的樣本量變大，獲得極值的可能性會增加。假設你希望你的分佈集中在10左右（平均值）左右，你可以選擇一個合適的小西格瑪來使1800個樣本中的異常值不太可能發生，然後確保它不會發生在有條件的情況下。

如果你在6sigma範圍內有3600個樣本，樣本在外面的概率很小（7.1e-4％，你可以在MATLAB中用1-erf（6/sqrt（2））^ 3600）看到。所以一個合理的西格瑪可能是10/6（1.6667）。這給了我們：

r = 10 + 1.6667 * randn（2,1800）％以防萬一 r（r> 20）= 20; r（r < 0）= 0;

http://en.wikipedia.org/wiki/Normal_distribution

來源

2013-11-25 22:32:28 Parallax

在Matlab中生成隨機二維點

回答

相關問題