Python 当维度过高时，numpy多变量_正常错误

我正在做一个家庭作业，我注意到当均值和协方差的维数很高时，

multivariable_normal

将永远占用所有CPU，而不会产生任何结果

示例代码段

cov_true  = np.eye(p)
mean_true = np.zeros(p)
beta_true = multivariate_normal(mean_true, cov_true, size=1).T

当

p=5000

时，此操作将永远运行。 环境，Python 3.4和Python 3.5，numpy 1.11.0

---

这真的是一只虫子还是我错过了什么

什么花了这么多时间？

要考虑协方差矩阵的变量NumPy之间的关系，这需要大部分时间（通常是Θ（n3），50003已经有一点）

如何加快速度？

在所有变量独立的最简单情况下，您可以使用：

否则，如果协方差矩阵恰好是满秩（因此是正定的），则将

svd

替换为（通常仍为Θ（n3），但常数较小）：

如果矩阵可能是奇异的（有时是这种情况），那么要么打包要么考虑帮助。< /P>

---

Cholesky的速度可能会明显加快，但如果这还不够，那么您可以进一步研究是否可以对矩阵进行分析分解，或者尝试使用不同的基本库（如ACML、MKL或cuSOLVER）。

这对我很有效。同样的版本。将第三行更改为该行，看看它是否有效：

beta\u true=np.random.multivariable\u normal（mean\u true，cov\u true，size=1）。T

是的，只是不同的导入，运行这一行需要多长时间？是的意思是它工作了，没有占用100%的cpu吗？我的：

--15.3049829006秒---

哦，我使用了不同的导入，

来自np.random import Multivariable\u normal

，是的，我的意思是使用100%CPU，在我的13'MacBook pro上，

real 0m53.319s，user 1m40.845s，sys 0m2.128s

，在现代工作站上，它稍微好一点，但它使用了全部48个内核，我不明白为什么@如果你的时间是15秒，我的时间是50秒，你用的是p=5000吗？我的测试程序只是导入，

p=5000

和这三行。它报告错误，

sample=normal（mean\u-true，cov\u-true，len（mean\u-true））回溯（最近一次调用）：文件“”，第1行，在文件“mtrand.pyx”中，第1495行，在mtrand.RandomState.normal中（numpy/rand/mtrand/mtrand.c:10068）ValueError:scale您可以使用类似于
np.sqrt（cov_true.diagonal（））
的方法从协方差矩阵中选取标准偏差。第一种方法只有在所有非对角项都为零时才正确。@wrwrwrwrwr这是否意味着复杂度在样本数上是恒定的，即
np.random。多元正态（size=100）
比
np.random.multivariable\u normal（size=10）
慢不了多少？或者它在
大小方面是线性的
？
from numpy.random import normal

sample = normal(means, deviations, len(means))

from numpy.random import standard_normal
from scipy.linalg import cholesky

l = cholesky(covariances, check_finite=False, overwrite_a=True)
sample = means + l.dot(standard_normal(len(means)))