我有以下向量：
import numpy as np
my_vector = np.array([0.001, -0.05, 0.3, 0.5, 0.01, -0.03])有没有人能提出一种方法来随机生成类似的向量，只是值略有不同？例如，期望的输出将是：
[0.002, -0.06, 0.2, 0.4, 0.02, -0.02]为了给予一些上下文，这个向量表示我输入到分类模型中的样本。我的计划是随机生成一组相似的样本，并将它们输入同一个模型，以观察其输出的变化。最终目标是验证模型是否为相似的样本生成相似的输出。
我尝试Create random vector given cosine similarity并将所需的余弦相似度设置为1，但使用此方法只能获得一个相似向量（见下文）。我需要至少10个。
def rand_cos_sim(v, costheta):
# Form the unit vector parallel to v:
u = v / np.linalg.norm(v)
# Pick a random vector:
r = np.random.multivariate_normal(np.zeros_like(v), np.eye(len(v)))
# Form a vector perpendicular to v:
uperp = r - r.dot(u)*u
# Make it a unit vector:
uperp = uperp / np.linalg.norm(uperp)
# w is the linear combination of u and uperp with coefficients costheta
# and sin(theta) = sqrt(1 - costheta**2), respectively:
w = costheta*u + np.sqrt(1 - costheta**2)*uperp
return w
new_vector = rand_cos_sim(my_vector, 1)
print(new_vector)
# [ 0.00170622 -0.08531119 0.51186714 0.8531119 0.01706224 -0.05118671]我没有一个特定的相似性度量，它可以是欧几里得，余弦，无论哪个效果最好。任何建议都非常欢迎。
请注意，我提供的my_vector是为了说明的目的，实际上，我的向量会有不同的值范围，这取决于我测试的模型和不同的数据。
谢谢
4条答案
按热度按时间gab6jxml1#
我认为最好的方法是在两个值之间添加一个随机数。为了这个目的，看看random。
您可以通过调整值范围来对此进行调整
fquxozlt2#
也许我过于简单化了，但是你能不能生成和你的大小相同的随机向量，然后把它们加到你的向量上，使它们相似（或者加一，然后相乘，因为你的例子在较小的数字上变化较小）？
14ifxucb3#
您可以通过调用
numpy.random.lognormal生成随机乘法因子。使用mean=0和一个小值sigma生成接近1的随机值。比如说，
kninwzqo4#
我不是Python程序员，但我可以看出你的问题很容易解决，只需记录起始向量的长度（vstart），生成另一个随机单位向量（vnew），然后将vnew乘以vstart的长度，你就会得到一个相同长度的向量。假设我们讨论的是3d向量，请遵循以下伪代码：
我想在Python中可能有一种方法可以在一行代码中完成所有这些，使用API和一些语言内置的功能。
如果您不需要完整的余弦相似性实现的功能，那么这要简单得多，并且执行时间更少。