Numpy中np.random.rand()和np.random.randn() 用法和區別詳解
numpy.random.rand(d0,d1,…,dn)的隨機樣本位於[0,1)中:本函式可以返回一個或一組服從**“0~1”均勻分佈**的隨機樣本值。
numpy.random.randn(d0,dn)是從標準正態分佈中返回一個或多個樣本值。
1. np.random.rand()
語法:
np.random.rand(d0,d2……dn)
注:使用方法與np.random.randn()函式相同
作用:
通過本函式可以返回一個或一組服從“0~1”均勻分佈的隨機樣本值。隨機樣本取值範圍是[0,1),不包括1。
應用:在深度學習的Dropout正則化方法中,可以用於生成dropout隨機向量(dl),
例如(keep_prob表示保留神經元的比例):
dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob
舉例:
注:
均勻分佈:
也叫矩形分佈,它是對稱概率分佈,在相同長度間隔的分佈概率是等可能的。
均勻分佈由兩個引數a和b定義,它們是數軸上的最小值和最大值,通常縮寫為U(a,b)。
均勻分佈的概率密度函式為:
2. np.random.randn() 語法:
np.random.randn(d0,d2……dn)
1)當函式括號內沒有引數時,則返回一個浮點數;
2)當函式括號內有一個引數時,則返回秩為1的陣列,不能表示向量和矩陣;
3)當函式括號內有兩個及以上引數時,則返回對應維度的陣列,能表示向量或矩陣;
# 舉例: np.random.standard_normal((5)) # [-0.53268495 0.30171848 1.85232368 -0.58746393 0.19683992] np.random.standard_normal((5,2)) ''' [[-2.44520524 2.29767001] [-1.19770033 -1.09569325] [-0.75414833 0.49509984] [-1.42537268 0.41788237] [ 1.85465491 -1.44383249]] ''' np.random.standard_normal((5,2,3)) ''' [[[ 0.54013502 -0.25347615 1.73395647] [ 1.03386947 -0.54856199 2.10004584]] [[-0.57632903 -0.05856844 1.72805595] [ 1.3507174 0.61459539 0.63380028]] [[-2.24857933 -1.29276097 0.42585061] [ 0.75974263 -0.83670586 -1.56930898]] [[-0.32212 1.2884624 1.53744081] [ 1.5444555 -1.82408734 -0.55952688]] [[-1.21191144 -1.40454518 -0.3369976 ] [-0.89314143 0.28291988 1.58394166]]] ''' np.random.standard_normal((5,3,1)) ''' [[[[ 0.19019221] [ 0.64618425] [ 0.99815722]] [[-0.0570328 ] [ 0.83271045] [-0.30469335]]] [[[-1.14788388] [ 0.09563431] [ 2.05611213]] [[-0.14251287] [ 1.00922816] [-0.55403104]]] [[[ 1.75657437] [ 1.46381575] [ 1.10527197]] [[ 0.22667296] [ 0.18305552] [ 0.5778761 ]]] [[[ 0.26501242] [-0.4863313 ] [ 1.01096974]] [[-2.46562874] [ 0.19516242] [-1.92500848]]] [[[ 0.97904566] [ 0.80444414] [ 0.99981326]] [[-0.74329878] [-0.9265738 ] [ 0.0288684 ]]]] '''
5)np.random.randn()的輸入通常為整數,但是如果為浮點數,則會自動直接截斷轉換為整數。
作用:通過本函式可以返回一個或一組服從標準正態分佈的隨機樣本值。
特點: 標準正態分佈是以0為均數、以1為標準差的正態分佈,記為N(0,1)。對應的正態分佈曲線如下所示,即:
注:
標準正態分佈曲線下面積分佈規律是:
在-1.96~+1.96範圍內曲線下的面積等於0.9500(即取值在這個範圍的概率為95%),在-2.58~+2.58範圍內曲線下面積為0.9900(即取值在這個範圍的概率為99%).
因此,由 np.random.randn()函式所產生的隨機樣本基本上取值主要在-1.96~+1.96之間,當然也不排除存在較大值的情形,只是概率較小而已。
參考:
https://blog.csdn.net/abc13526222160/article/details/86423754
https://www.cnblogs.com/BBS2013/p/12839042.html
到此這篇關於Numpy中np.random.rand()和np.random.randn() 用法和區別詳解的文章就介紹到這了,更多相關Numpy np.random.rand()和np.random.randn()內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!