快速任意分布随机采样（逆变换采样）
该random模块（http://docs.python.org/2/library/random.html）具有几个
固定 功能，可以从中随机采样。例如，random.gauss将从具有给定均值和sigma值的正态分布中采样随机点。
我正在寻找一种方法，该方法可以N使用自己的分布 尽可能快地 在给定间隔内提取一定数量的随机样本python。这就是我的意思：
def my_dist(x):
# Some distribution, assume c1,c2,c3 and c4 are known.
f = c1*exp(-((x-c2)**c3)/c4)
return f
# Draw N random samples from my distribution between given limits a,b.
N = 1000
N_rand_samples = ran_func_sample(my_dist, a, b, N)
这里ran_func_sample是我后和a, b是从中可以得出样本的限制。有这样的东西python吗？
问题答案：
您需要使用 逆变换采样 方法来获取根据所需定律分布的随机值。使用这种方法，您可以将 反函数 应用于区间[0,1]中具有标准均匀分布的随机数。
找到反函数后，您将以明显的方式根据所需的分布获得1000个数字：
[inverted_function(random.random()) for x in range(1000)]
有关 逆变换采样的 更多信息：
- http://en.wikipedia.org/wiki/Inverse_transform_sampling
-
其中是我想要的，而是绘制示例的限制。在中有类似的内容吗？
-
根据RandomizedSearchCV文件（重点是mine）： param_distributions:字典或字典列表 使用参数名称 （str） 作为键的字典，以及要尝试的分布或参数列表。分布必须提供 rvs 方法进行采样（例如来自 scipy.stats.分布的方法）。如果给出了一个列表，则对其进行统一采样。如果给出了字典列表，则首先对字典进行统一采样，然后如上所述使用该字典对参数进行采样。
-
Reference 关于乱序（shuffle）与随机采样（sample）的一点探究 - xybaby - 博客园 洗牌算法 Fisher–Yates shuffle - Wikipedia Knuth-Durstenfeld Shuffle（Fisher–Yates Shuffle 改进版） Knuth-Durstenfeld Shuffle 是一个“原地”(in-place)算法 伪代码 To
-
问题内容： 在不从javascript中的数组进行替换的情况下，获取随机样本的一种干净方法是什么？所以假设有一个数组 我想随机采样5个唯一值；例如，生成一个长度为5的随机子集。要生成一个随机样本，可以执行以下操作： 但是，如果多次执行此操作，则可能会多次捕获同一项。 问题答案： 我建议使用Fisher-Yates混洗混洗数组的副本并进行切片： 请注意，这不是获取大型数组的随机小子集的最有效方法，因
-
在分布式跟踪中，数据量可能非常高，因此采样可能很重要（您通常不需要导出所有spans以获得正在发生的情况）。Spring Cloud Sleuth具有Sampler策略，您可以实现该策略来控制采样算法。采样器不会停止生成跨度（相关）ids，但是它们确实阻止了附加和导出的标签和事件。默认情况下，您将获得一个策略，如果跨度已经处于活动状态，则会继续跟踪，但新策略始终被标记为不可导出。如果您的所有应用程
-
问题内容： 如何在numpy中以[a，b]间隔采样随机浮点数？不仅是整数，而且是任何实数。例如， 将在之间返回随机数。谢谢。 问题答案： 该均匀分布可能会做你的要求。