机器学习算法的随机数据生成总结

正文

请到「今天看啥」查看全文

3)randint(low[, high, size])，生成随机的大小为size的数据，size可以为整数，为矩阵维数，或者张量的维数。值位于半开区间 [low, high)。

例如：np.random.randint(3, size=[2,3,4])返回维数维2x3x4的数据。取值范围为最大值为3的整数。

1 2 3 4 5 6

array([[[ 2 , 1 , 2 , 1 ], [ 0 , 1 , 2 , 1 ], [ 2 , 1 , 0 , 2 ]], [[ 0 , 1 , 0 , 0 ], [ 1 , 1 , 2 , 1 ], [ 1 , 0 , 1 , 2 ]]])

再比如： np.random.randint(3, 6, size=[2,3]) 返回维数为2x3的数据。取值范围为[3,6).

1 2	array([[ 4 , 5 , 3 ], [ 3 , 4 , 5 ]])

4) random_integers(low[, high, size]),和上面的randint类似，区别在与取值范围是闭区间[low, high]。

5) random_sample([size]), 返回随机的浮点数，在半开区间 [0.0, 1.0)。如果是其他区间[a,b),可以加以转换(b - a) * random_sample([size]) + a

例如： (5-2)*np.random.random_sample(3)+2 返回[2,5)之间的3个随机数。

1

请到「今天看啥」查看全文