중간에 softmax 활성화 함수를 사용하는 프로그램을 코딩하려고했습니다.각 변수의 주어진 확률 변수 목록을 선택하십시오.
P[0.10,0.25,0.60,0.05]
P에있는 모든 변수의 합은 항상 1
이다 나는 목록의 인덱스를 선택하는 방법을 원 : 지금
,이 같은 확률의 목록을 가지고 확률이 주어진다. 즉 또는,
0 - 10% of the time
1 - 25% of the time
2 - 60% of the time
3 - 5% of the time
, 방법에 대한 ... 전화 번호에서 각 항목의 가능성을 substracting 목록을 걸어
0과 1
빼기 후에 숫자를 0 이하로 가져 오는 항목을 선택하십시오. 간단
는 O (N)와 작동합니다 :)
import random
probs = [0.1, 0.25, 0.6, 0.05]
r = random.random()
index = 0
while(r >= 0 and index < len(probs)):
r -= probs[index]
index += 1
print index - 1
뭘 찾는 것은 가중 무작위로 생성하고,이,가 내장되지 않은 상태에서 a lot of standard recipes for this입니다.
기본적으로 cumulative probability distribution (CDF) 배열을 만듭니다. 기본적으로 주어진 인덱스에 대한 CDF의 값은 P에있는 모든 값의 합계와 같거나 그 인덱스보다 작습니다. 그런 다음 0에서 1 사이의 임의의 숫자를 생성하고 원하는 경우 이진 검색 (또는 선형 검색)을 수행합니다. 여기에 간단한 코드가 있습니다.
from bisect import bisect
from random import random
P = [0.10,0.25,0.60,0.05]
cdf = [P[0]]
for i in xrange(1, len(P)):
cdf.append(cdf[-1] + P[i])
random_ind = bisect(cdf,random())
물론 당신은 (결과가되며, 변화해야한다)
[2, 2, 3, 2, 2, 1, 2, 2, 2, 1, 2, 1, 2, 1, 2, 1, 2, 2, 2, 2]
산출
rs = [bisect(cdf, random()) for i in xrange(20)]
같은 랜덤 지수의 무리를 생성 할 수 있습니다. 물론 바이너리 검색은 인덱스가 너무 적기 때문에 불필요하지만 더 많은 인덱스가있는 배포에는 권장됩니다.
좋다에 입력 한 이유가 궁금 .... – sje397
이 문제는 categorical distribution에서 샘플링하는 것과 같습니다. 이 분포는 일반적으로 범주 형 분포에서 여러 샘플의 결과를 모델링하는 다항 분포와 결합됩니다.
numpy에서는 numpy.random.multinomial을 사용하여 다항식 분포에서 쉽게 샘플링 할 수 있지만 특정 카테고리 버전은 존재하지 않습니다. 그러나 단일 시도로 다항 분포에서 샘플링 한 다음 출력에서 0이 아닌 요소를 반환하여 수행 할 수 있습니다.
import numpy as np
pvals = [0.10,0.25,0.60,0.05]
ind = np.where(np.random.multinomial(1,pvals))[0][0]
쉽게 numpy를 사용하여이를 수행 할 수 있습니다. 이 매개 변수에는 확률 매개 변수를 허용하는 choice 함수가 있습니다.
np.random.choice(
['pooh', 'rabbit', 'piglet', 'Christopher'],
5,
p=[0.5, 0.1, 0.1, 0.3]
)
하하 여기 난 당신이 내가 원래 – slezica
@Santiago되는 것을 게시 이초 전에 ~ 생각 : 당신이 영어 : – sje397