拉丁超立方抽样python代码

拉丁超立方抽样是一种常用的统计采样技术，尤其适用于高维数据集，它通过将样本空间划分为多个相等大小的小立方体，并从每个小立方体中心随机选择一个点，以获取更均匀的分布。以下是使用Python的`scipy`库实现拉丁超立方抽样的简单示例：

from scipy.stats import qmc
import numpy as np

# 设定总体维度和抽样数量
dim = 10  # 高维数据的维度
n_samples = 50  # 抽取的样本数量

# 创建LatinHypercubeSampler实例
lhc_sampler = qmc.LatinHypercube(d=dim)

# 获取拉丁超立方样本
lhc_samples = lhc_sampler.draw(n_samples)

# 将结果转换为numpy数组
lhc_samples_array = np.array(lhc_samples)

print("拉丁超立方抽样结果:")
print(lhc_samples_array)

在这个例子中，我们首先导入了必要的模块，然后创建了一个`LatinHypercube`对象并指定了维度。接着，我们调用`draw`方法生成指定数量的样本，最后将结果存储到NumPy数组中。