Je veux mettre en œuvre la solution indiquée ici: https://math.stackexchange.com/questions/2234019/fastest-way-of-sampling-multivariable-guassian-with-covariance-matrix-that-is-ci/Mise en œuvre du prélèvement multivariée gaussienne avec la matrice de covariance qui est circulante sur Python
Lequel cela devrait-je utiliser?
https://docs.scipy.org/doc/scipy/reference/linalg.html
Ai-je besoin d'écrire mon propre code? Quelle méthode donne le temps de calcul le plus efficace?
La seule solution de la tablette, je suis au courant de https://docs.scipy.org/doc/numpy/reference/generated/numpy.random.multivariate_normal.html est, mais il ne semble pas faire toute optimisation pour la covariance circulante. –
Pour être sûr de bien comprendre: vous savez comment échantillonner un Gaussien multivarié avec une matrice de covariance arbitraire (décomposition de Cholesky et produit scalaire), mais vous voulez éviter la décomposition de Cholesky et cherchez quelque chose de plus rapide qui profite de la circulance de la covariance propriété? Ai-je raison? –
Oui Ahmed. Je veux le faire sous O (N^3) fois. La décomposition de Cholesky pour une matrice définie positive arbitraire prend ici beaucoup de temps. –