python - 生成3D高斯数据

我正在尝试生成3D分布，其中x, y代表表面平面，z是某个值的大小，分布在一定范围内。

我正在查看numpy's multivariate_normal，但是它只允许我获取一些样本。我希望能够指定一些x, y坐标，并获取z值应该是什么；这样我就可以查询gp(x, y)并获取遵循一定均值和协方差的z值。

也许是一个更具说明性的（玩具）示例：假设我有一些温度分布，可以将其建模为高斯过程。因此，我的平均温度为(0, 0)时可能为20，协方差为[[1, 0], [0, 1]]。我希望能够创建一个模型，然后可以在不同的x, y位置进行查询，以获取该位置的温度（因此，在(5, 5)处，我可能会返回7度左右的温度）。

如何最好地做到这一点？

最佳答案

您可以使用scipy.stats.multivariate_normal创建多元法线。

>>> import scipy.stats
>>> dist = scipy.stats.multivariate_normal(mean=[2,3], cov=[[1,0],
                                                            [0,1]])

然后找到p(x,y)，您可以使用pdf

>>> dist.pdf([2,3])
0.15915494309189535
>>> dist.pdf([1,1])
0.013064233284684921

表示给定任何z的概率（您称为[x,y]）

关于python - 生成3D高斯数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41856078/