用 scipy 模拟多元凸包上的随机点

问题描述

我有一个 10 000 行和 10 列的数据。我研究的第一个目标是计算这些数据的“凸包”。包“scipy”可以很容易地做到这一点，我可以得到顶点，不同超平面的参数，例如：b0 + b1.x1 + b2.x2 + .... + b10.x10 = 0 其中：（b0， b1,...,b10) 是凸包的一个面的参数（我可以知道上面的顶点）。

from scipy.spatial import ConvexHull,convex_hull_plot_2d
import numpy as np
fit_hull = ConvexHull(data)
V = fit_hull.vertices
parameters = fit_hull.equations

我的问题是：我怎样才能均匀地模拟：凸包上的随机点，知道所有这些？

这很困难，因为在超平面上模拟随机点非常简单，但在这里，它是一个以面的顶点为界的超平面（例如，有 3 个变量：要创建一个面，我需要三个点，所以它是一个三角形）。

非常感谢

祝你有美好的一天（来自法国）

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）