从另一个概率分布 P(x) 生成概率分布 P(y)，使得 P(x) 中的最高概率最不可能出现在 P(y) 中

Question

所以手头的问题是我在带有计数器的字典中有一些值，比方说

dict = {"cats":0, "dogs":0, "lions":0} 

我想从这个字典中随机 select 键并在 select 特定键时增加计数器。

但是当我 select 键并增加这些键的计数器时，我希望 selection 的概率高于计数器值小于其他键的键。

我在下面的回答中实现了这个想法。请告诉我这是否有意义，是否有更好的方法？

Answer 1

有 许多 方法可以解决这个问题，但作为替代方案，我很想计算概率为：

def iweight(k, *, alpha=1):
    p = 1/(alpha + np.array(k))
    return p / np.sum(p)

可用作：

counts = [0, 0, 0, 20]
for _ in range(20):
    i = np.random.choice(len(counts), p=iweight(counts))
    print(i)
    counts[i] += 1

alpha 与 Dirichlet process 互补：小值会导致它更喜欢从小计数中提取值，而大值会使它更均匀。

什么是最好的将取决于您建模的过程，例如应该选择多少小计数而不是中等计数，是否应该选择最大计数等等。这完全取决于你所追求的分布，统计文献应该有很多关于如何开始考虑这个问题的例子。