如何在numpy的範圍內獲得正態分佈？

Question

在機器學習任務。我們應該得到一組具有約束的隨機w.r.t正態分佈。我們可以通過np.random.normal()得到一個正態分佈號，但它不提供任何綁定參數。我想知道如何做到這一點？

Answer 1

如果你正在尋找的Truncated normal distribution，SciPy的有一個功能叫truncnorm

這種分佈的標準形式是一個標準的正常截斷 區間[A，B] - 注意， a和b在標準法線的域 上定義。要轉換剪輯的值對於特定均值和 標準偏差，使用：

A，B =（myclip_a - my_mean）/ my_std，（myclip_b - my_mean）/ my_std

truncnorm取A和B作爲形狀參數。

>>> from scipy.stats import truncnorm 
>>> truncnorm(a=-2/3., b=2/3., scale=3).rvs(size=10) 
array([-1.83136675, 0.77599978, -0.01276925, 1.87043384, 1.25024188, 
     0.59336279, -0.39343176, 1.9449987 , -1.97674358, -0.31944247]) 

上面的例子是由有界-2和2，並返回10個隨機變元（使用.rvs()方法）

>>> min(truncnorm(a=-2/3., b=2/3., scale=3).rvs(size=10000)) 
-1.9996074381484044 
>>> max(truncnorm(a=-2/3., b=2/3., scale=3).rvs(size=10000)) 
1.9998486576228549 

下面是-6直方圖，6：

Answer 2

除了@bakkal建議（+1）你可能也想看看Vincent Mazet實現此目的的配方，由Christoph Lassner重寫爲py-rtnorm模塊。

Answer 3

的參數化truncnorm複雜，所以這裏是轉換參數化的東西更直觀的功能：

from scipy.stats import truncnorm 

def get_truncated_normal(mean=0, sd=1, low=0, upp=10): 
    return truncnorm(
     (low - mean)/sd, (upp - mean)/sd, loc=mean, scale=sd) 

---

---

如何使用它？

1. 實例與參數發生器：意味着，標準偏差，和截斷範圍：

   >>> X = get_truncated_normal(mean=8, sd=2, low=1, upp=10) 
   

2. 然後，可以使用X，以產生值：

   >>> X.rvs() 
   6.0491227353928894 
   

3. 或者，numpy a rray用N產生的值：

   >>> X.rvs(10) 
   array([ 7.70231607, 6.7005871 , 7.15203887, 6.06768994, 7.25153472, 
        5.41384242, 7.75200702, 5.5725888 , 7.38512757, 7.47567455]) 
   

---

甲視覺例

這裏是三個不同的截短的正態分佈的情節：

X1 = get_truncated_normal(mean=2, sd=1, low=1, upp=10) 
X2 = get_truncated_normal(mean=5.5, sd=1, low=1, upp=10) 
X3 = get_truncated_normal(mean=8, sd=1, low=1, upp=10) 

import matplotlib.pyplot as plt 
fig, ax = plt.subplots(3, sharex=True) 
ax[0].hist(X1.rvs(10000), normed=True) 
ax[1].hist(X2.rvs(10000), normed=True) 
ax[2].hist(X3.rvs(10000), normed=True) 
plt.show()