Scipy多変量法線：決定論的サンプルを描画する方法は？

Question

私はを使用して、多変量正規分布からサンプルを描画しています。このように：

from scipy.stats import multivariate_normal 
# Assume we have means and covs 
mn = multivariate_normal(mean = means, cov = covs) 
# Generate some samples 
samples = mn.rvs() 

サンプルは実行ごとに異なります。どのように私はいつも同じサンプルを得るのですか？私が何か期待していた ：

mn = multivariate_normal(mean = means, cov = covs, seed = aNumber) 

または

samples = mn.rsv(seed = aNumber) 

Answer 1

を2つの方法があります。

1. rvs()方法はrandom_state引数を受け入れます。その値は、 を整数シード、またはnumpy.random.RandomStateのインスタンスにすることができます。

   In [46]: mn = multivariate_normal(mean=[0,0,0], cov=[1, 5, 25]) 
   
   In [47]: mn.rvs(size=5, random_state=12345) 
   Out[47]: 
   array([[-0.51943872, 1.07094986, -1.0235383 ], 
        [ 1.39340583, 4.39561899, -2.77865152], 
        [ 0.76902257, 0.63000355, 0.46453938], 
        [-1.29622111, 2.25214387, 6.23217368], 
        [ 1.35291684, 0.51186476, 1.37495817]]) 
   
   In [48]: mn.rvs(size=5, random_state=12345) 
   Out[48]: 
   array([[-0.51943872, 1.07094986, -1.0235383 ], 
        [ 1.39340583, 4.39561899, -2.77865152], 
        [ 0.76902257, 0.63000355, 0.46453938], 
        [-1.29622111, 2.25214387, 6.23217368], 
        [ 1.35291684, 0.51186476, 1.37495817]]) 
   

2. あなたがnumpyののグローバル乱数ジェネレータのシードを設定することができます。この例 で、Iは、整数の種を使用しています。これはrandom_stateが指定されていない場合multivariate_normal.rvs()が使用する発電機である：

   In [54]: mn = multivariate_normal(mean=[0,0,0], cov=[1, 5, 25]) 
   
   In [55]: np.random.seed(123) 
   
   In [56]: mn.rvs(size=5) 
   Out[56]: 
   array([[ 0.2829785 , 2.23013222, -5.42815302], 
        [ 1.65143654, -1.2937895 , -7.53147357], 
        [ 1.26593626, -0.95907779, -12.13339622], 
        [ -0.09470897, -1.51803558, -4.33370201], 
        [ -0.44398196, -1.4286283 , 7.45694813]]) 
   
   In [57]: np.random.seed(123) 
   
   In [58]: mn.rvs(size=5) 
   Out[58]: 
   array([[ 0.2829785 , 2.23013222, -5.42815302], 
        [ 1.65143654, -1.2937895 , -7.53147357], 
        [ 1.26593626, -0.95907779, -12.13339622], 
        [ -0.09470897, -1.51803558, -4.33370201], 
        [ -0.44398196, -1.4286283 , 7.45694813]])