DS：Gibbs Gauss采样的简介、实现代码之详细攻略

目录

Gibbs Gauss采样的简介

Gibbs Gauss采样的案例应用

1、利用np.random.multivariate_normal函数实现从多元高斯分布中采样Gibbs Gauss采样实现代码

Gibbs Gauss采样的简介

        Gibbs采样在高维分布中的效率较高，而且易于实现。其中一种常见的Gibbs采样算法是Gibbs Gauss采样（Gibbs sampling for Gaussian distributions），它主要用于从多元高斯分布中采样样本。
        在Gibbs Gauss采样中，假设我们要从一个$n$维的多元高斯分布中采样样本。首先，我们需要知道这个多元高斯分布的均值向量和协方差矩阵。然后，我们随机选择一个维度$i$，并从给定其他维度的条件下，采样第$i$个维度的值，这个条件概率分布是一个一元高斯分布，其均值和方差可以通过协方差矩阵和其他维度已知的值来计算。接着，我们更新已知维度的值，并重复这个过程，直到得到$n$个维度的样本，从而近似地模拟了多元高斯分布。

Gibbs Gauss采样的案例应用

1、利用np.random.multivariate_normal函数实现从多元高斯分布中采样Gibbs Gauss采样实现代码

import numpy as np
import matplotlib.pyplot as plt

N = 1000
# 初始化y, 可以任选一个值
y = 0
xs = []
ys = []

for i in range(N):
    # 更新x_t
    x = np.random.normal(0.8*y, 0.6)
    # 更新y_t
    y = np.random.normal(0.8*x, 0.6)
    xs.append(x)
    ys.append(y)

xs2, ys2 = np.random.multivariate_normal( [0, 0], [[1,0.8],[0.8,1]], N ).T

plt.subplot(211)
plt.title('gibbs Gauss')
plt.scatter(xs, ys)
plt.subplot(212)
plt.scatter(xs2, ys2)
plt.show()

最后

以上就是孤独未来为你收集整理的Algorithm：实现LDA的Gibbs Gauss采样(绘制多图subplot)的全部内容，希望文章能够帮你解决Algorithm：实现LDA的Gibbs Gauss采样(绘制多图subplot)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。