随机生成相似向量？答案

【问题标题】：Randomly generate similar vectors?随机生成相似向量？
【发布时间】：2019-12-27 00:45:42
【问题描述】：

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])

有人可以建议一种随机生成相似向量的方法，只是值略有不同吗？例如，所需的输出是：

[0.002, -0.06, 0.2, 0.4, 0.02, -0.02]

为了给出一些上下文，这个向量表示我输入分类模型的样本。我的计划是随机生成一组相似的样本，并将它们输入到同一个模型中，以观察其输出的变化。最终目标是验证模型是否为相似样本生成相似输出。

我尝试Create random vector given cosine similarity 并将我想要的余弦相似度设置为 1，但使用这种方法我只能获得一个相似的向量（见下文）。我至少需要 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]

我没有考虑特定的相似性度量，它可以是欧几里得、余弦，以最有效的为准。欢迎提出任何建议。

请注意，我提供的my_vector 仅用于说明目的，实际上我的向量将具有不同的值范围，具体取决于我正在测试的模型和不同的数据。

谢谢。

【问题讨论】：

标签： python numpy similarity cosine-similarity

【解决方案1】：

也许我过于简单化了，但是您能否不只是生成与您的大小相同的随机向量，然后将它们添加到您的向量中以使它们相似（或添加一个，然后相乘，因为您的示例似乎在较小的数字）？

def similar_vector(my_vector):
    return (0.95+numpy.random.rand(len(my_vector))*0.1)*my_vector

【讨论】：

【解决方案2】：

您可以通过调用numpy.random.lognormal 生成随机乘法因子。使用mean=0 和sigma 的小值生成接近1 的随机值。

例如，

In [23]: my_vector = np.array([0.001, -0.05, 0.3, 0.5, 0.01, -0.03])                                                                 

In [24]: a = np.random.lognormal(sigma=0.1, size=my_vector.shape)                                                                    

In [25]: a                                                                                                                           
Out[25]: 
array([1.07162745, 0.99891183, 1.02511718, 0.85346562, 1.04191125,
       0.87158183])

In [26]: a * my_vector                                                                                                               
Out[26]: 
array([ 0.00107163, -0.04994559,  0.30753516,  0.42673281,  0.01041911,
       -0.02614745])

【讨论】：

【解决方案3】：

我认为最好的方法是在两个值之间添加一个随机数。为此目的查看随机数。

import numpy as np
import random
my_vector = np.array([0.001, -0.05, 0.3, 0.5, 0.01, -0.03])

for i in range(len(my_vector)):
    my_vector[i] += random.uniform(.001,.1)

print(my_vector)

您可以通过调整值范围来调整它

【讨论】：