本文参考《深度学习教科书》石川聪彦 著，陈欢 译
所有代码运行时请删除“%matplotlib inline”
10.2.1 随机数生成之随机种子设置
import numpy as np
# 确认不进行初始化设置时产生的随机数是否会一致
# 分别在 X、Y 中保存 5 个随机数
X = np.random.randn(5)
Y = np.random.randn(5)
# 对 X、Y 的值进行输出
print("不对种子进行设置时")
print("X:",X)
print("Y:",Y)
# 请对种子进行设置
np.random.seed(0)
# 将随机数序列代入变量中
x = np.random.randn(5)
# 请传入相同的种子值进行初始化设置
np.random.seed(0)
# 再次创建随机数序列并将其代入其他的变量中
y = np.random.randn(5)
# 对 x、y 的值进行输出，并确认其是否一致
print("对种子进行设置后")
print("x:",x)
print("y:",y)
10.2.2 正态分布随机数生成
import numpy as np import matplotlib.pyplot as plt # 请将种子的值设置为 0 np.random.seed(0) # 请生成 10000 个服从正态分布的随机数，并将它们代入变量 x 中 x = np.random.randn(10000) # 进行可视化处理 plt.hist(x, bins='auto') plt.show()
10.2.3 服从二项分布的随机数生成
import numpy as np # 请对种子进行设置 np.random.seed(0) # 请对在成功概率 0.5 的条件下尝试 100 次得到的成功次数进行 10000 次的求解，并将结果代入变量 nums 中 nums = np.random.binomial(100, 0.5, size=10000) # 请对成功率的平均值进行输出 print(nums.mean()/100)
10.2.4 列表数据的随机生成
import numpy as np x = ['Apple', 'Orange', 'Banana', 'Pineapple', 'Kiwifruit', 'Strawberry'] # 请对种子进行设置 np.random.seed(0) # 请从列表 x 中随机选择 5 个元素，并将结果代入变量 y 中 y = np.random.choice(x, 5) print(y)
10.4.2 间距相等的数组生成
import numpy as np # 请将从 0 到 10 的偶数数列代入 x 中，结束的值为 12 也是正确的 x = np.arange(0, 11, 2) # 输出结果 print(x)
