在超立方体中采样,选择不同的子集,并测量多样性
diversip的Python项目详细描述
说明
Diversity是处理三种不同但相关的算法的集合 话题。第一个主题是单位超立方体的超均匀采样。 在此上下文中,“超级一致”意味着获得的点样本应 比随机均匀样本更均匀,这是许多 应用。其中一个应用是计算机实验的设计,其中 通常采用空间填充实验设计。创造之后, 样本可以从单位超立方体转换为任意长方体。
子集选择的任务定义如下:假设您有一组 r^n中的点,并希望选择它们的均匀分布的样本 可能的。这可能是必要的,因为原始集太大,无法 完全处理过。选择问题与聚类有关,其中 在使用集群时,通常希望保留 原始点集的结构。
一旦你创建了一个点集(或从某处获得),你可能会想 评估其性质。因此,diverspy包含几个函数 测量多样性和一些相关概念。几个不同的指标是 因为它们有不同的优点和缺点 运行时间和它们测量的内容)。
示例
>>> from diversipy import * >>> design = transform_spread_out(lhd_matrix(50, 2)) # create latin hypercube design >>> subset = psa_select(design, 10) # select subset, for whatever reason >>> unanchored_L2_discrepancy(subset) # calculate discrepancy
注意,根据numpy约定,点按行存储。