0. np.random.RandomState
计算机实现的随机数生成通常为伪随机数生成器，为了使得具备随机性的代码最终的结果可复现，需要设置相同的种子值；
- np.random.randn(…) ⇒
- rng = np.random.RandomState(123)
- rng.randn(…)
1. np.random.uniform()
首先从numpy.random.uniform说起（也即其他函数是对该函数的进一步封装）。
numpy.random.uniform(low=0.0, high=1.0, size=None)
- 1
顾名思义，从一个均匀分布（[low, high)：半开区间）中进行采样。
例如产生[1, 2)（五行五列）：
>>> import numpy>>> np.random.uniform(1, 2, (5, 5))array([[ 1.16902081, 1.90805984, 1.30759311, 1.90598113, 1.32047656], [ 1.58571077, 1.88009484, 1.66531622, 1.0262826 , 1.40534658], [ 1.81087389, 1.87981194, 1.65670468, 1.46972606, 1.66454007], [ 1.81041299, 1.52561204, 1.79701198, 1.17840313, 1.86364978], [ 1.72654371, 1.92870279, 1.11207754, 1.5091156 , 1.35108628]])
- 1
- 2
- 3
- 4
- 5
- 6
- 7
2. np.random.random is Alias for np.random.random_sample
alias: 别名；
>>> id(np.random.random) == id(np.random.random_sample)True
- 1
- 2
numpy.random.random(size=None) # 已指定区间为[0., 1.)，自然是float类型
- 1
- 2
必须以元组形式指定size：
>>> np.random.random((2, 3))array([[ 0.14367 , 0.48649543, 0.38761876], [ 0.11565701, 0.6474381 , 0.84394864]])>>> np.random.random(2, 3)TypeError: random_sample() takes at most 1 positional argument (2 given)
- 1
- 2
- 3
- 4
- 5
3. np.random.rand: a convenience function for np.random.uniform(0, 1)
numpy.random.rand(d0, d1, ..., dn) # 以参数列表的形式指定参数，而非元组 # 内部指定区间为[0., 1.)
- 1
- 2
- 3
>>> np.random.rand(2, 2)array([[ 0.9978749 , 0.43597209], [ 0.30804578, 0.9632462 ]])>>> np.random.rand((2, 2))TypeError: an integer is required
- 1
- 2
- 3
- 4
- 5
- 6
4. 使用 np.random.RandomState() 获取随机数生成器
>> rng = np.random.RandomState(22)>> rng.rand(2, 3)array([[ 0.48168106, 0.42053804, 0.859182 ], [ 0.17116155, 0.33886396, 0.27053283]])
- 1
- 2
- 3
- 4
references
再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow