zoukankan      html  css  js  c++  java
  • numpy伪随机数的生成

    numpy伪随机数的生成

    normal函数

    可以用normal来得到一个标准正态分布的4×4样本数组

    >>> import numpy as np
    >>> samples=np.random.normal(size=(4,4))
    >>> samples
    array([[-1.24275887,  0.82243858, -0.04646941, -0.6668008 ],
           [ 0.2562527 ,  1.42003215,  1.11415246,  0.49878296],
           [-0.59063632, -1.43172294,  1.24651681,  0.26291333],
           [ 0.89711844,  0.07983999, -1.61354204,  0.05503528]])
    

    seed函数

    这些都是伪随机数,是因为它们都是通过算法基于随机数生成器种子,在确定性的条件下生成的。可以用NumPy的np.random.seed更改随机数生成种子:

    >>> np.random.seed(1234)
    

    RandomState

    numpy.random的数据生成函数使用了全局的随机种子。要避免全局状态,可以使用numpy.random.RandomState,创建一个与其它隔离的随机数生成器:

    >>> rng=np.random.RandomState(1234)
    >>> rng.randn(10)
    array([ 0.47143516, -1.19097569,  1.43270697, -0.3126519 , -0.72058873,
            0.88716294,  0.85958841, -0.6365235 ,  0.01569637, -2.24268495])
    

    部分numpy.random下的函数

  • 相关阅读:
    初试 Elastic Search
    索引分类
    Nginx
    LINQ入门
    CSS学习
    Keras 安装
    火车进站
    2016年网易笔试编程题2
    Java GC
    linux 安装 mysql
  • 原文地址:https://www.cnblogs.com/mengxiaoleng/p/11630729.html
Copyright © 2011-2022 走看看