8

更具体地说,numpy:

In [24]: a=np.random.RandomState(4)
In [25]: a.rand()
Out[25]: 0.9670298390136767
In [26]: a.get_state()
Out[26]: 
('MT19937',
 array([1248735455, ..., 1532921051], dtype=uint32),
 2,0,0.0)

八度:

octave:17> rand('state',4)
octave:18> rand()
ans =  0.23605
octave:19> rand('seed',4)
octave:20> rand()
ans =  0.12852

Octave 声称执行相同的算法(Mersenne Twister,周期为 2^{19937-1})

有谁知道为什么有区别?

4

3 回答 3

10

不幸的是,Octave 中的 MT19937 生成器不允许您使用单个 32 位整数来初始化它np.random.RandomState(4)。如果您使用rand("seed",4)它,实际上会切换到先前在 Octave 中使用的 PRNG 的早期版本,该 PRNG 根本不是 MT19937,而是 Fortran RANDLIB

在 NumPy 和 Octave 中获得相同的数字是可能的,但是您必须在 Octave 中破解随机种子生成算法并编写自己的函数来从初始的 32 位整数种子中构造状态向量。我不是 Octave 大师,但通过在 Octave/Matlab 中对位操作函数和整数类进行多次 Internet 搜索,我能够编写以下粗略的脚本来实现播种:

function state = mtstate(seed)

state = uint32(zeros(625,1));

state(1) = uint32(seed);
for i=1:623,
   tmp = uint64(1812433253)*uint64(bitxor(state(i),bitshift(state(i),-30)))+i;
   state(i+1) = uint32(bitand(tmp,uint64(intmax('uint32'))));
end
state(625) = 1;

像这样使用它:

octave:9> rand('state',mtstate(4));
octave:10> rand(1,5)
ans =

   0.96703   0.54723   0.97268   0.71482   0.69773

只是为了与 NumPy 进行比较:

>>> a = numpy.random.RandomState(4)
>>> a.rand(5)
array([ 0.96702984,  0.54723225,  0.97268436,  0.71481599,  0.69772882])

数字(或至少前五个)匹配。

请注意,该random模块提供的 Python 中的默认随机数生成器也是 MT19937,但它使用不同的播种算法,因此random.seed(4)产生完全不同的状态向量,因此 PRN 序列也不同。

于 2012-12-14T10:17:50.197 回答
2

如果您查看Mersenne Twister 算法的详细信息,就会发现有很多参数会影响产生的实际数字。我不认为 Python 和 Octave 试图产生相同的数字序列。

于 2012-12-06T01:14:14.553 回答
-1

看起来 numpy 正在返回原始随机整数,而 octave 正在将它们标准化为 0 到 1.0 之间的浮点数。

于 2012-12-06T00:54:08.337 回答