如何在numpy范围内获得正态分布？

Question

在机器学习任务中。我们应该得到一组带有边界的随机w.r.t正态分布。我们可以使用np.random.normal()获得正态分布数，但它不提供任何绑定参数。我想知道怎么做？

Answer 1

truncnorm的参数化很复杂，所以这里有一个将参数化转换为更直观的函数：

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)

---

---

How to use it?

1. 使用参数实例生成器：均值，标准偏差和截断范围： >>> X = get_truncated_normal(mean=8, sd=2, low=1, upp=10)
2. 然后，您可以使用X生成值：

   >>> X.rvs()
   6.0491227353928894

3. 或者，具有N个生成值的numpy数组：

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

---

A Visual Example

以下是三种不同截断正态分布的图：

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()

Answer 2

如果您正在寻找Truncated normal distribution，SciPy有一个名为truncnorm的功能

该分布的标准形式是截断到[a，b]范围的标准法线 - 注意a和b是在标准法线的域上定义的。要转换特定均值和标准差的剪辑值，请使用：

a，b =（myclip_a - my_mean）/ my_std，（myclip_b - my_mean）/ my_std

truncnorm将a和b作为形状参数。

>>> 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])

上面的例子以-2和2为界，并返回10个随机变量（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

这是-6,6的直方图：

Answer 3

除了@bakkal建议（+1）你可能还想看看Vincent Mazet配方实现这个，由py-rtnorm重写为Christoph Lassner模块。

Answer 4

如果你只想和numpy一起工作，你也可以这样做：

int(np.clip(int(np.random.normal(mean,std)),min_size,max_size)

这只会将较小和较大的值剪切到指定的min和max