如何解决如何在python中对类别进行加权随机抽样
|| 给定一个元组列表，其中每个元组都包含一个概率和一个项目，我想根据一个项目的概率对其进行采样。例如，给列表[（.3，\'a \'），（.4，\'b \'），（.3，\'c \'）]我想对\'b进行采样40％的时间。 在python中执行此操作的规范方法是什么？ 我看了看似没有合适函数的随机模块，看了numpy.random，尽管它具有多项式函数，但似乎并没有以很好的形式返回结果。我基本上是在Matlab中寻找mnrnd之类的东西。 非常感谢。 非常感谢您的所有答复。为了澄清，我不是在寻找有关如何编写采样方案的解释，而是要指出一种简单的方法，该方法是从给定一组对象和权重的多项式分布中采样，或者被告知没有此类函数存在于标准库中，因此应该自己编写。解决方法
import numpy
n = 1000
pairs = [(.3,\'a\'),(.3,\'b\'),(.4,\'c\')]
probabilities = numpy.random.multinomial(n,zip(*pairs)[0])
result = zip(probabilities,zip(*pairs)[1])
# [(299,(299,(402,\'c\')]
[x[0] * x[1] for x in result]
# [\'aaaaaaaaaa\',\'bbbbbbbbbbbbbbbbbbb\',\'cccccccccccccccccccc\']
numpy.array([.3,.4,.3]).cumsum().searchsorted(numpy.random.sample(5))
numpy.random.choice([\'a\',\'b\',\'c\'],size = 20,p = [0.3,0.4,0.3])
#!/usr/bin/python3
def randomCategory(probDict):
\"\"\"
>>> dist = {\'a\':.1,\'b\':.2,\'c\':.3,\'d\':.4}
>>> [randomCategory(dist) for _ in range(5)]
[\'c\',\'c\',\'a\',\'d\',\'c\']
>>> Counter(randomCategory(dist) for _ in range(10**5))
Counter({\'d\': 40127,\'c\': 29975,\'b\': 19873,\'a\': 10025})
\"\"\"
r = random.random() # range: [0,1)
total = 0 # range: [0,1]
for value,prob in probDict.items():
total += prob
if total>r:
return value
raise Exception(\'distribution not normalized: {probs}\'.format(probs=probDict))
if prob==0: continue
import random
def makeSampler(probDict):
\"\"\"
>>> sampler = makeSampler({\'a\':0.3,\'b\':0.4,\'c\':0.3})
>>> sampler.sample()
\'a\'
>>> sampler.sample()
\'c\'
\"\"\"
oneHundredElements = sum(([val]*(prob*100) for val,prob in probDict.items()),[])
def sampler():
return random.choice(oneHundredElements)
return sampler
import numpy
from itertools import izip
def getSamples(input,size):
probabilities,items = zip(*input)
sampleCounts = numpy.random.multinomial(size,probabilities)
samples = numpy.array(tuple(countsToSamples(sampleCounts,items)))
numpy.random.shuffle(samples)
return samples
def countsToSamples(counts,items):
for value,repeats in izip(items,counts):
for _i in xrange(repeats):
yield value
random.sample([\'a\',k)
In []: s= array([.3,.3]).cumsum().searchsorted(sample(54))
In []: c,_= histogram(s,bins= arange(4))
In []: [item* c[i] for i,item in enumerate(\'abc\')]
Out[]: [\'aaaaaaaaaaaa\',\'bbbbbbbbbbbbbbbbbbbbbbbbbb\',\'cccccccccccccccc\']
phant0m
In []: s= multinomial(54,[.3,.3])
In []: [item* s[i] for i,item in enumerate(\'abc\')]
Out[]: [\'aaaaaaaaaaaaaaa\',\'bbbbbbbbbbbbbbbbbbbbbbbbbbb\',\'cccccccccccc\']
multinomial
import scipy.stats as sps
N=1000
M3 = sps.multinomial.rvs(1,0.3],size=N,random_state=None)
M3a = [ np.where(r==1)[0][0] for r in M3 ] # convert 1-hot encoding to integers
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。