Analisis kaedah penjanaan nombor rawak yang biasa digunakan oleh numpy

Analisis kaedah biasa untuk menjana nombor rawak dengan numpy

Nombor rawak memainkan peranan penting dalam analisis data dan pembelajaran mesin. Numpy ialah perpustakaan pengiraan berangka yang biasa digunakan dalam Python, menyediakan pelbagai kaedah untuk menjana nombor rawak. Artikel ini akan menganalisis kaedah biasa untuk menjana nombor rawak dalam numpy dan memberikan contoh kod tertentu.

1. Integer rawak

numpy menyediakan fungsi numpy.random.randint() untuk menjana integer rawak. Fungsi ini menjana integer rawak dalam julat yang ditentukan.

import numpy as np

# 生成范围在[low, high)之间的随机整数
rand_int = np.random.randint(low, high, size)

Antaranya, rendah mewakili sempadan bawah (termasuk) menjana integer rawak, tinggi mewakili sempadan atas (eksklusif), dan saiz mewakili bilangan integer rawak yang dijana.

Contoh:

import numpy as np

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

Output:
[4 9 5 3 1]

Kod di atas menjana 5 integer rawak antara 1 hingga 10.

2. Nombor titik terapung rawak

numpy menyediakan fungsi numpy.random.rand() dan numpy.random.randn() yang menjana nombor titik terapung rawak.

import numpy as np

# 生成[0, 1)之间的均匀分布的随机浮点数
rand_float = np.random.rand(size)

# 生成符合标准正态分布的随机浮点数
rand_normal_float = np.random.randn(size)

Antaranya, rand_float menjana nombor titik terapung rawak yang diedarkan secara seragam antara [0, 1), dan rand_normal_float menjana nombor titik terapung rawak yang mematuhi taburan normal piawai. saiz mewakili bilangan nombor titik terapung rawak yang dijana.

Contoh:

import numpy as np

rand_float = np.random.rand(5)
rand_normal_float = np.random.randn(5)

print(rand_float)
print(rand_normal_float)

Output:
[0.83600534 0.69029467 0.44770399 0.61348757 0.93889918]
0891 -0 .18554811 1.67634905]

Kod di atas menjana tatasusunan titik terapung rawak teragih seragam panjang 5 dan tatasusunan panjang 5 Tatasusunan nombor titik terapung rawak teragih normal piawai.

3. Biji rawak

Nombor rawak yang dijana oleh numpy ialah nombor pseudo-rawak secara lalai, iaitu nombor rawak yang dijana setiap kali program dijalankan adalah berbeza. Jika anda ingin menjana urutan nombor rawak yang sama, anda boleh menggunakan benih rawak.

import numpy as np

# 设置随机种子
np.random.seed(seed)

Antaranya, benih mewakili nilai benih rawak. Urutan nombor rawak yang dijana oleh benih rawak yang sama adalah sama.

Contoh:

import numpy as np

np.random.seed(0)

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

np.random.seed(0)

rand_int = np.random.randint(1, 10, size=5)
print(rand_int)

Output:
[6 1 4 8 4]
[6 1 4 8 4]

Kod di atas menetapkan benih rawak kepada 0, menggunakan benih rawak tatasusunan yang sama untuk menjana dua integer rawak yang sama

Melalui analisis artikel ini dan contoh kod kaedah biasa untuk menjana nombor rawak dalam numpy, saya percaya pembaca akan menjadi lebih biasa dengan operasi menjana nombor rawak dalam perpustakaan numpy. Dalam bidang seperti analisis data dan pembelajaran mesin, penjanaan nombor rawak adalah operasi biasa Menguasai kaedah ini sangat membantu untuk menjalankan eksperimen data dan latihan model.

Atas ialah kandungan terperinci Analisis kaedah penjanaan nombor rawak yang biasa digunakan oleh numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!