Numpy中np.random.rand()和np.random.randn() 用法和区别详解
numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中：本函数可以返回一个或一组服从**“0~1”均匀分布**的随机样本值。
numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。
1. np.random.rand()
语法：
np.random.rand(d0,d1,d2……dn)
注：使用方法与np.random.randn()函数相同
作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），
例如（keep_prob表示保留神经元的比例）：
dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob
举例：
注：
均匀分布:
也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。
均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U（a，b）。
均匀分布的概率密度函数为：
2. np.random.randn() 语法：
np.random.randn(d0,d1,d2……dn)
1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）的输入参数为元组（tuple）。
# 举例： 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((5,2,3,1)) ''' [[[[ 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()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。
作用：通过本函数可以返回一个或一组服从标准正态分布的随机样本值。
特点： 标准正态分布是以0为均数、以1为标准差的正态分布，记为N（0，1）。对应的正态分布曲线如下所示，即：
注：
标准正态分布曲线下面积分布规律是：
在-1.96～+1.96范围内曲线下的面积等于0.9500（即取值在这个范围的概率为95%），在-2.58～+2.58范围内曲线下面积为0.9900（即取值在这个范围的概率为99%）.
因此，由 np.random.randn()函数所产生的随机样本基本上取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已。
参考：
https://blog.csdn.net/abc13526222160/article/details/86423754
https://www.cnblogs.com/BBS2013/p/12839042.html
到此这篇关于Numpy中np.random.rand()和np.random.randn() 用法和区别详解的文章就介绍到这了,更多相关Numpy np.random.rand()和np.random.randn()内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
在本篇文章里小编给大家分享的是关于结束运行python的方法以及相关代码，有需要的朋友们跟着学习下。2020-06-06
在python里要实现像ruby的gem远程包自动安装和卸载的工具就是easy_install2013-02-02
用Python把csv文件批量修改编码为UTF-8格式并转为Excel格式的方法
有时候用excel打开一个csv文件,中文全部显示乱码,然后手动用notepad++打开,修改编码为utf-8并保存后,再用excel打开显示正常,本文将给大家介绍一下用Python把csv文件批量修改编码为UTF-8格式并转为Excel格式的方法,需要的朋友可以参考下2023-09-09
Python使用numpy产生正态分布随机数的向量或矩阵操作示例
这篇文章主要介绍了Python使用numpy产生正态分布随机数的向量或矩阵操作,简单描述了正态分布的概念并结合实例形式分析了Python使用numpy模块结合matplotlib绘制正态分布曲线图相关操作技巧,需要的朋友可以参考下2018-08-08
这篇文章主要给大家介绍了关于Python抠图教程之使用OpenCV实现背景去除的相关资料,背景去除是在很多视觉应用里的主要预处理步骤,文中通过代码介绍的非常详细,需要的朋友可以参考下2023-10-10
解决python和pycharm安装gmpy2 出现ERROR的问题
这篇文章主要介绍了python和pycharm安装gmpy2 出现ERROR的解决方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-08-08
这篇文章主要介绍了Python模块的制作方法,结合实例形式分析了Python第三方模块的编写、调用相关操作技巧与使用注意事项,需要的朋友可以参考下2019-12-12
Word文档中的行号（行编号）功能是对于精细化的文档编辑以及解析非常有用的功能,添加行号能够极大地提升文档的可读性和定位效率,本文将介绍如何使用Python来实现自动化对Word文档添加或移除行号,为文档处理工作带来便捷,需要的朋友可以参考下2024-07-07
这篇文章主要介绍了Python使用turtle库绘制小猪佩奇，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2020-01-01
浅谈numpy中linspace的用法 (等差数列创建函数)
下面小编就为大家带来一篇浅谈numpy中linspace的用法 (等差数列创建函数)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-06-06
最新评论