scipy.stats.qmc.Halton.
integers#
- Halton.integers(l_bounds, *, u_bounds=None, n=1, endpoint=False, workers=1)[source]#
從 l_bounds (包含) 到 u_bounds (不包含) 繪製 n 個整數，或者如果 endpoint=True，則從 l_bounds (包含) 到 u_bounds (包含) 繪製。
- Parameters:
- l_boundsint 或類似整數的陣列
要繪製的最小（帶符號）整數（除非
u_bounds=None，在這種情況下，此參數為 0，並且此值用於 u_bounds）。- u_boundsint 或類似整數的陣列，可選
如果提供，則為要繪製的最大（帶符號）整數之上的一個值（請參閱上面關於
u_bounds=None時行為的說明）。 如果是類似陣列，則必須包含整數值。- nint，可選
要在參數空間中產生的樣本數。預設值為 1。
- endpointbool，可選
如果為 true，則從區間
[`l_bounds`, `u_bounds`]而不是預設的[`l_bounds`, `u_bounds`)中取樣。預設值為 False。- workersint，可選
用於並行處理的 worker 數量。如果給定 -1，則使用所有 CPU 執行緒。僅在使用
Halton時支援。預設值為 1。
- Returns:
- samplearray_like (n, d)
QMC 樣本。
Notes
可以安全地將相同的
[`0`, `1`)對整數的映射與 QMC 一起使用，就像您對 MC 使用的一樣。您仍然可以獲得不偏性、強大數法則、漸近無限的變異數縮減和有限樣本變異數界限。若要將樣本從 \([0, 1)\) 轉換為 \([a, b), b>a\)，其中 \(a\) 是下界，\(b\) 是上界，則使用以下轉換
\[\text{floor}((b - a) \cdot \text{sample} + a)\]