从 python 中的多个向量随机抽样

Question

所以我有一个任务是编写随机梯度体面的代码，基本上我发现从多个向量中随机抽样同时保持顺序不变有点问题。我的代码如下：

import numpy as np 
import matplotlib.pyplot as plt
import random

x = np.array([0.,0.,0.,100.,100.,300.,300.,900.,900.,900.])
y = np.array([0.,0.,1.,0.,1.,1.,1.,0.,1.,1.])


def f(b0,b1,x,y):
    vec = [y[i]*np.log(1/(1+np.exp(-b0-b1*x[i]))) + (1-y[i])*np.log(1 - (1/(1+np.exp(-b0-b1*x[i])))) for i in range(len(y))]
    return sum(vec)

def dervf0(b0,b1,x,y):
    vec = [-y[i] + (1/(1+np.exp(-b0-b1*x[i]))) for i in range(len(y))]
    return sum(vec)
def dervf1(b0,b1,x,y):
    vec = [-x[i]*(y[i]-(1/(1+np.exp(-b0-b1*x[i])))) for i in range(len(y))]
    return sum(vec)

def SGD(v,x,y,tol,maxiter):
    x = #random selection
    y= #random selection
    for i in range(maxiter):
        theta_new = v - 0.001*np.array(
            [dervf0(v[0], v[1], x, y),
             dervf1(v[0], v[1], x, y)])
        if np.linalg.norm(theta_new - v) < tol: 
            break
        else:
            v = theta_new
            #print('i\t{}\tv\t{}\ttheta_new\t{}'.format(i, v, theta_new))
    return theta_new,i

如你所见，我有 2 个向量，x 和 y，它们相互关联，例如 x[0] 是一个实验，它给了我们 y[0] = 0。没有结构的随机抽样是没有意义的在我看来。我正在努力做的是在 SGD 函数中，我想要 x 的 n 点和 y 的 n 点但结构正确！感谢您的帮助！

是

Answer 1

您可以使用以下方法获取要采样的索引列表-

import random

x = ['This', 'is', 'a', 'random', 'sampling', 'example']

n = len(x)
k = 5
indices_to_sample = sorted(random.sample(range(n),k)) # Chooses k out of n indices and sorts them
for i in indices_to_sample:
    print(x[i]) # Gets x at index i

在 random.sample docs

阅读更多内容

从 python 中的多个向量随机抽样

Random sampling from multiple vectors in python

python

random

sgd

stochastic-gradient