问题描述
我已经生成了6个参数的随机集合，每个参数有50,000个样本，我将其用作物理项目的50,000个腔配置。在神经网络中使用了这6个参数后，我分离出与预期结果差异最大的1％的配置。
对于6个参数中的每一个，所得的“最差1％”参数分布具有不同的形状。我想重新运行该过程，但在容易出错的地方进行更多采样。有没有一种简单的方法可以在Python中进行此调整？目前，我只能从0到1采样。
例如，称为Dielectric Resonator的参数需要在1到45的范围内，采样值根据函数1.97372 E ^（0.118317（-11.4466 + x））而变化。图片在下面链接。更新：显然我无法发布图片，因为这是我在Stack Exchange上遇到的第一个问题，希望此链接现在显示[1]：https://i.stack.imgur.com/2OfYR.png
如何进行此调整？是否可以对其他函数（例如高斯分布）或分段函数进行此更改？
这是我当前用于采样的代码：
import numpy as np
from smt.sampling_methods import LHS
limits = np.array([[0.0,1.0],[0.0,1.0]])
sampling = LHS(xlimits=limits,criterion='maximin')
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@）