从单个分布创建 N 维正态分布(python)
Create N-Dimensional normal distribution from single ones (in python)
是否有通用的解决方案?你必须乘以它们,但很难实现。
对于二维情况,您可以使用表示单一正态分布的两个向量的 outer product。
我找到了一个可能的解决方案并在 2d 案例中进行了测试。看起来不错,但我会在更多情况下进行测试:
def normal_nd(*priors):
# Trivial case
if len(priors) == 1:
return priors
# General case
shape = []
for item in priors:
shape.append(len(item))
n = np.ones(shape)
for idx, _ in np.ndenumerate(n):
for ax, element in enumerate(idx):
n[idx] *= priors[ax][element]
return n
编辑:
我也在一般情况下测试过,看来这是一个正确的解决方案! :)
一般解涉及. Cholesky decomposition is available in Python via numpy.
是否有通用的解决方案?你必须乘以它们,但很难实现。
对于二维情况,您可以使用表示单一正态分布的两个向量的 outer product。
我找到了一个可能的解决方案并在 2d 案例中进行了测试。看起来不错,但我会在更多情况下进行测试:
def normal_nd(*priors):
# Trivial case
if len(priors) == 1:
return priors
# General case
shape = []
for item in priors:
shape.append(len(item))
n = np.ones(shape)
for idx, _ in np.ndenumerate(n):
for ax, element in enumerate(idx):
n[idx] *= priors[ax][element]
return n
编辑: 我也在一般情况下测试过,看来这是一个正确的解决方案! :)
一般解涉及