Python 参数的数据优化传播

Question

假设我有一定数量的描述系统的参数：

即

position, velocity, mass, length, width

现在每个参数都有关联的上限和下限：

position = [0,100]
velocity = [10,300]
mass = [50,200]
length = [2,10]
width = [2,10]

数据点由这些参数的特定组合定义：即

data_point = [10,250,50,4,2]

现在，问题是：是否有 python package/algorithm 可以初始化一定数量的数据点（即 5 个），以便这些数据点最佳分布在参数 space.

上

旁注：

是的，我知道“最佳传播”没有明确定义，但我真的不确定如何去这里。一种可能的定义是：

最大化数据点之间的距离（向量之间的欧几里德距离）

编辑：

使用 linspace 是个好主意。但是，我很快注意到我的数据存在问题。居然忘了说约束：

有些数据点是不可能的。即

constraints = [lenght*2-width, position-velocity]

...如果这些值大于或等于零，则可以认为数据点是可行的。

所以我的问题是：如何以巧妙的方式包含约束？

使用 linspace，你会发现速度总是大于位置，因此我们不会得到可行的数据点。

position = [0,100]
velocity = [10,300]
mass = [50,200]
length = [2,10]
width = [2,10]

# Find Samples 
start = [s[0] for s in [position, velocity, mass, length, width]]
end = [s[1] for s in [position, velocity, mass, length, width]]

num_samples = 5
samples = np.linspace(start, end, num_samples)

print(samples)

这是输出：

[[  0.   10.   50.    2.    2. ]
 [ 25.   82.5  87.5   4.    4. ]
 [ 50.  155.  125.    6.    6. ]
 [ 75.  227.5 162.5   8.    8. ]
 [100.  300.  200.   10.   10. ]]

现在，让我们检查约束条件：

def check_constraint(samples, constraints):
    
    
    checked_samples = []
    for dimensions in samples:
        position, velocity, mass, length, width = dimensions

        # Here I am checking the constraints:
        if any([i<0 for i in [length*2-width, position-velocity]]):
            pass
        else:
            checked_samples.append(dimensions)
            
    
    return checked_samples

samples_checked = check_onstraint(samples, constraints)
print(samples_checked)

这些将是检查约束后留下的样本：

[]

Answer 1

您可以这样做以获得均匀的点网格：

import numpy as np

...

start = [s[0] for s in [position, velocity, ...]]
end = [s[1] for s in [position, velocity, ...]]

num_samples = 5
samples = np.linspace(start, end, num_samples)

这将 return 点在整个参数 spaced 中均匀分布 space。

编辑要包含更多约束，最好执行以下操作：

start = ...
end = ...
num_results = 5
results = []

while len(results) < num_results:
    sample = np.random.uniform(start, end)
    if is_valid(sample):
        results.append(sample)

这样您就可以定义 is_valid 函数并检查您想要的任何条件！结果点应均匀分布在参数 space.

周围

Python 参数的数据优化传播

Python Data Optimal Spreading of Parameters

python

statistics