sklearn中的参数含义|np.random的几种用法
numpy.random.seed()与numpy.random.RandomState() 两者实现的作用是一样的，都是使每次随机生成数一样。
文章图片
numpy.random.rand() 用法：numpy.random.rand(d0, d1, ..., dn)
解释：生成一个[0,1)之间的均匀分布的随机浮点数或N维浮点数组。
文章图片
numpy.random.randn() 用法：numpy.random.randn(d0, d1, ..., dn)
解释：生成一个浮点数或N维浮点数组，取数范围：标准正态分布的随机样本数。若要获得一般正态分布
文章图片
则可用sigma * np.random.randn(…) + mu进行表示 。
文章图片
numpy.random.randint() 【sklearn中的参数含义|np.random的几种用法】用法：numpy.random.randint(low, high=None, size=None, dtype='l')
解释：生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。
文章图片
numpy.random.random_integers() 用法：numpy.random.random_integers(low, high=None, size=None)
解释：生成一个整数或一个N维整数数组，取值范围：若high不为None，则取[low,high]之间随机离散均匀分布的整数，否则取[1,low]之间随机离散均匀分布的整数。此外，若要将【a,b】区间分成N等分，也可以用此函数实现
a+(b-a)*(numpy.random.random_integers(N)-1)/(N-1)
文章图片
numpy.random.random_sample() 用法：numpy.random.random_sample(size=None)
解释：生成一个[0,1)之间随机浮点数或N维浮点数组。
其他函数，numpy.random.random() ；numpy.random.ranf() ；numpy.random.sample()用法及实现都与它相同
文章图片
numpy.random.choice() 用法：numpy.random.choice(a, size=None, replace=True, p=None)
解释：从序列a中获取元素，
若a为整数，元素取值为np.arange(a)中随机数；
若a为数组，取值为a数组元素中随机元素。
replace=False表示不能重复，replace=True可以重复。
p为与a长度相同的数组，可以决定a中每个元素随机出现的概率。p.sum()=1
文章图片
numpy.random.shuffle() 用法：numpy.random.shuffle(x)
解释：对X进行重排序，如果X为多维数组，只沿第一条轴洗牌，输出为None，改变原来的X。
numpy.random.permutation() 用法：numpy.random.permutation(x)
解释：与numpy.random.shuffle(x)函数功能相同。输出为X洗牌后的新数组，原来的X不变。
推荐阅读
- 热闹中的孤独
- JS中的各种宽高度定义及其应用
- 我眼中的佛系经纪人
- 《魔法科高中的劣等生》第26卷（Invasion篇）发售
- Android中的AES加密-下
- 放下心中的偶像包袱吧
- C语言字符函数中的isalnum()和iscntrl()你都知道吗
- C语言浮点函数中的modf和fmod详解
- C语言中的时间函数clock()和time()你都了解吗
- 如何在Mac中的文件选择框中打开系统隐藏文件夹