拉丁超立方(LHS)适用于样本数量少的情况,主要思想是概率分布的分层,一层一个样本(每层的样本是随机的。当且仅当每一行和每一列只有一个样本时,才能称为拉丁方格。
LHS可以在达到相同阈值时将使用更少的样本同时使得计算的复杂程度降低
蒙卡方法适用于数量多的情况
(4条消息) 数学建模十大算法01-蒙特卡洛算法(Monte Carlo)_美式咖啡不加糖x的博客-CSDN博客_二维正态分布 蒙特卡洛
(4条消息) 经典算法:蒙特卡洛方法(MCMC)_潜心学习的渣渣的博客-CSDN博客_蒙特卡洛算法
(4条消息) 【采样算法】拉丁超立方采样_羊肉蛋花汤的博客-CSDN博客_pydoe
1.拉丁超立方抽样:是一种从多元参数分布中近似随机抽样的方法,属于fe技术,常用于计算机实验或蒙特卡洛积分等。
2.在统计抽样中,拉丁方阵是指每行、每列仅包含一个样本的方阵。拉丁超立方则是拉丁方阵在多维中的推广,每个与轴垂直的超平面最多含有一个样本。
3.假设有N个变量(维度),可以将每个变量分为M个概率相同的区间。此时,可以选取M个满足拉丁超立方条件的样本点。需要注意的是,拉丁超立方抽样要求每个变量的分区数量M相同。不过,该方法并不要求当变量增加时样本数M同样增加。
4.随机抽样和拉丁超立方抽样的关系:生成随机样本时,若是简单的随机抽样,会有数据过度聚集的问题,拉丁超立方抽样解决了这个问题。
(1)拉丁立方抽样的优点
图中可以看出,简单随机抽样中的数据大部分在中间,而拉丁立方抽样则均匀产生在各个小区间内。
(2)拉丁立方抽样的步骤文章来源:https://www.toymoban.com/news/detail-461907.html
- 将 [0, 1] 分为 n 等份,每个小区间内 [i/n, (i+1)/n] 内根据均匀分布随机产生一个数。
- 将这 n 个随机数的顺序打乱。
- 这 n个数即为每个随机样本的概率,按照概率分布函数的反函数生成随机分布的值。
Matlab拉丁超立方采样lhsdesign函数、lhsnorm函数介绍 - 百度文库https://wenku.baidu.com/view/04064c5601768e9951e79b89680203d8ce2f6a61.html拉丁超立方体抽样方法学习笔记_Together_CZ的博客-CSDN博客_拉丁超立方体抽样原理讲解拉丁超立方体抽样Latin hypercube sampling ——沂水寒城 拉丁超立方抽样(英语:Latin...https://yishuihancheng.blog.csdn.net/article/details/90076271?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2-90076271-blog-114452367.pc_relevant_multi_platform_whitelistv1&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2-90076271-blog-114452367.pc_relevant_multi_platform_whitelistv1&utm_relevant_index=5文章来源地址https://www.toymoban.com/news/detail-461907.html
到了这里,关于拉丁超立方抽样的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!