从多元正态分布中抽取随机样本。
多元正态分布，多正态分布或高斯分布是一维正态分布向更高维度的推广。这种分布由其均值和协方差矩阵来确定。这些参数类似于一维正态分布的平均值（平均值或“中心”）和方差（标准差或“宽度”，平方）。
np.random.multivariate_normal方法用于根据实际情况生成一个多元正态分布矩阵，其在Python3中的定义如下：
def multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)
mean:多元正态分布的维度。(长度为N的一维数组)
示例：mean = [0, 0] # 1行2列的一维数组，numpy.ramdom.randn()可以生成一维矩阵。
cov:多元正态分布的协方差矩阵，且协方差矩阵必须是对称矩阵和半正定矩阵(形状为(N,N)的二维数组)。
示例：cov = [[1. 0.], [0. 1.]] # 可以使用numpy.eye()生成对角矩阵。
size: 数组的形状（整数或者由整数构成的元组）。如果该值未给定，则返回单个N维的样本（N恰恰是上面mean的长度）。
示例：size = (3, 3) # 生成的数组的每一个元素是3行3列的矩阵。
check_valid: 当协方差(上面的cov)矩阵不是半正定矩阵时，程序的处理方式（一共有三种方式：{ ‘warn’, ‘raise’, ‘ignore’ }）。igore:忽略协方差矩阵不是半正定矩阵的问题，生成数组。warn:输出警告，但是还是会生成数组。raise:程序报错，且不会生成数组，。
tol:当协方差矩阵只有一个值时，生成的公差（浮点数）。
函数示例:
# -*- coding:utf-8 -*-
import numpy as npmean = np.random.randn(2)
cov = np.eye(2)
size = (2, 2)
result = np.random.multivariate_normal(mean, cov, size)
print(result)
"""
[[[ 0.90692543 0.62903795]
[ 0.82555536 1.50642889]]
[[-0.93568255 1.34735664]
[-1.26203814 0.37840301]]]"""
