scipy.stats.special_ortho_group#

scipy.stats.special_ortho_group = object>[источник]#

Случайная величина специальной ортогональной матрицы (SO(N)).

Возвращает случайную матрицу вращения, выбранную из распределения Хаара (единственного равномерного распределения на SO(N)) с определителем +1.

The размерность ключевое слово указывает размерность N.

Параметры:

размерностьскаляр: Размерность матриц
seed{None, int, np.random.RandomState, np.random.Generator}, опционально: Используется для генерации случайных величин. Если seed является None, RandomState используется синглтон. Если seed является int, новый RandomState используется экземпляр, инициализированный с seed. Если seed уже является RandomState или Generator экземпляр, то этот объект используется. По умолчанию None.

Методы

rvs(dim=None, size=1, random_state=None)

Генерация случайных выборок из SO(N).

Смотрите также

ortho_group, scipy.spatial.transform.Rotation.random

Примечания

The rvs метод возвращает случайную матрицу вращения, взятую из распределения Хаара — единственного равномерного распределения на SO(N). Алгоритм генерирует ортогональную матрицу, распределённую по Хаару, за O(N) с использованием rvs метод ortho_group, затем корректирует матрицу, чтобы гарантировать, что определитель равен +1.

Для случайного вращения в трёх измерениях см. scipy.spatial.transform.Rotation.random.

Примеры

>>> import numpy as np
>>> from scipy.stats import special_ortho_group
>>> x = special_ortho_group.rvs(3)

>>> np.dot(x, x.T)
array([[  1.00000000e+00,   1.13231364e-17,  -2.86852790e-16],
       [  1.13231364e-17,   1.00000000e+00,  -1.46845020e-16],
       [ -2.86852790e-16,  -1.46845020e-16,   1.00000000e+00]])

>>> import scipy.linalg
>>> scipy.linalg.det(x)
1.0

Это генерирует одну случайную матрицу из SO(3). Она ортогональна и имеет определитель 1.

В качестве альтернативы, объект может быть вызван (как функция) для фиксации размерность параметр, возвращающий «замороженную» случайную величину special_ortho_group:

>>> rv = special_ortho_group(5)
>>> # Frozen object with the same methods but holding the
>>> # dimension parameter fixed.