伪随机与准随机数的生成
生成伪随机和准随机样本数据
在某些情况下,常用的随机数生成方法不足以产生所需的样本。统计和机器学习工具箱™提供了几种生成伪随机数和准随机数的替代方法。Quasirandom数字,也被称为低差异序列,生成的每个连续数字尽可能远离集合中的现有数字。这种方法避免了聚类,可以加快收敛速度,但准随机数通常过于均匀,无法通过随机性检验。伪随机数比准随机数更不均匀,可能更适合于需要较大随机性的应用。使用切片抽样器,哈密顿蒙特卡洛抽样器,或Metropolis-Hastings马尔可夫链抽样器,从统计分布中绘制生成伪随机样本。
如果可用的参数概率分布不能充分描述你的数据,你可以使用一个灵活的分布族来代替。皮尔逊和约翰逊灵活分布族适合基于样本数据的位置、规模、偏度和峰度的模型。一旦将一个分布拟合到数据中,就可以从该分布中生成伪随机数。
功能
类
主题
马尔可夫链抽样器可以从难以直接表示的抽样分布中生成数字。
学习如何使用哈密顿蒙特卡洛抽样器。
对逻辑回归模型进行贝叶斯推理slicesample
。
皮尔逊和约翰逊系统是分布的灵活参数族,为广泛的数据形状提供良好的匹配。
统计和机器学习工具箱支持从各种分布生成随机数。金宝app
伪随机数是由确定性算法产生的。
准随机数发生器(qrng)产生高度均匀的单位超立方样本。