我有一个包含10000行和10列的数据。我研究的第一个目标是计算；凸包"；基于此数据。包装"；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，比如：b0+b1.x1+b2.x2+……+b10.x10=0，其中：(b0，b1，…，b10(是凸包的一个面的参数(我可以知道它上的顶点(。
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：在知道所有这些的情况下，我如何均匀地模拟：凸包上的随机点？
这很困难，因为在超平面上模拟随机点很简单，但在这里，它是一个以小平面的顶点为界的超平面(例如，有3个变量：要创建一个小平面，我需要三个点，所以它将是一个三角形(。
非常感谢
有一个美好的一天(来自法国(
-
对凸包进行Delaunay镶嵌。在二维图中，这些是三角形，在三维图中，它们是四面体，你可以得到它们的面积/体积。
-
随机选取一个三角形/四面体，概率由归一化面积/体积给定。
-
在此三角形/四面体中均匀地拾取一个点。