Python根据corellation矩阵生成数字

您好，我正在尝试生成尽可能靠近第一个表的相关数据（总共13行中的前三行）。还显示了相关列的相关矩阵（corr_total）

我正在尝试显示错误的以下代码： “LinalError:第4个前导小调非正定”

我的问题是mu和sigma的值是什么，以及如何解决上面显示的错误。 谢谢

---

我已经编辑了问题以显示原始表格。它显示了四名患者的数据。我基本上想为更多的病例制作合成数据，以复制这些患者的模式

感谢您回答我关于您何时可以访问数据的问题。您收到的错误是在调用cholesky时生成的。cholesky要求矩阵是半正定的。检查矩阵是否半正定的一种方法是查看其所有特征值是否都大于零。相关/共变矩阵的一个特征值几乎为零。我认为乔尔斯基只是在挑三拣四。Use可以使用

scipy.linalg.sqrtm

作为替代分解

关于生成多元正态分布的问题，生成的随机正态分布应为标准随机正态分布，即平均值为0，宽度为1。Numpy提供了一个标准的随机正态生成器，带有

np.random.randn

。 要生成多元正态分布，还应进行协方差分解，而不是相关矩阵。下面将使用仿射变换生成多变量法线，如您的问题所示

from scipy.linalg import cholesky, sqrtm
relavant_columns = ['Affecting homelife',
           'Affecting mobility',
           'Affecting social life/hobbies',
           'Affecting work',
           'Mood',
           'Pain Score',
           'Range of motion in Doc']

# df is a pandas dataframe containing the data frame from figure 1
mu = df[relavant_columns].mean().values
cov = df[relavant_columns].cov().values
number_of_sample = 10


# generate using affine transformation
#c2 = cholesky(cov).T
c2 = sqrtm(cov).T
s = np.matmul(c2, np.random.randn(c2.shape[0], number_of_sample)) + mu.reshape(-1, 1)

# transpose so each row is a sample
s = s.T 

Numpy还有一个内置函数，可以直接生成多元法线

s = np.random.multivariate_normal(mu, cov, size=number_of_sample)

---

你有权获得数据的平均值和协方差矩阵吗？嗨，我刚刚得到了实际的值表（裁剪为3行，如图所示），然后我从中计算了相关矩阵（如上所示）。嗨，alex，非常感谢你的回答，我使用了相关矩阵，因为我看到它被多次使用，比如这里：我编辑了这个问题，以显示整个原始数据表及其上下文。我想听听你的意见thoughts@Ray92我认为乔尔斯基只是在挑三拣四。我用一个变通方法更新了我的答案。您链接的那篇文章会生成相关数据，但它没有正确的中心或宽度。您好，下面是答案的前两行：数组（[[0.86314047,1.47526447,0.73896043,0.86314047,0.32524867,2.68821546,1.56054772]，[1.76109361，-0.14059524，0.49934849，1.76109359，0.80724597，3.81200796，1.76765357]。我的问题是这些数字不在原始表格中的数字范围内（即1和7之间的整数患者分数），数组中也有负数，这在我的情况下没有意义。我接受了答案，谢谢亚历克斯，但你能详细说明我上面的评论吗？我非常感谢，谢谢！

s = np.random.multivariate_normal(mu, cov, size=number_of_sample)