Numpy中np.random.rand()和np.random.randn() 用法和区别详解
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
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 在Python的科学计算库Numpy中,`np.random.rand()` 和 `np.random.randn()` 是两个常用的函数,用于生成随机数序列。这两个函数虽然都用于生成随机数,但它们的分布特性有所不同。 `np.random.rand(d0, d1, ..., dn)` 生成的是服从**0到1之间的均匀分布**的随机数。这意味着所有在0到1区间内的值都有相等的可能性被抽到,不包括1。这个函数的参数d0, d1, ..., dn用来指定返回数组的形状,即你可以生成任意维度的数组。例如,`np.random.rand(3, 4)` 将会返回一个3x4的二维数组,其中每个元素都是0到1之间的一个浮点数。 在深度学习中,`np.random.rand()` 常用于Dropout正则化的实现。Dropout是一种防止过拟合的技术,它会在训练过程中随机关闭一部分神经元。例如,如果keep_prob是保留神经元的比例,你可以通过生成一个大小与激活值数组相同的随机向量,并将所有小于keep_prob的值设为0来实现Dropout,即`dl = np.random.rand(al.shape[0], al.shape[1]) < keep_prob`。 另一方面,`np.random.randn(d0, d1, ..., dn)` 生成的是服从**标准正态分布**的随机数。标准正态分布是一个均值为0,标准差为1的连续概率分布。与均匀分布不同,这里的随机数不是均匀分布在某个区间内,而是呈现钟形曲线,更多的数集中在均值附近,越远离均值,数值出现的概率越小。这个函数同样接受多个参数来定义生成数组的形状。 例如,`np.random.randn()` 无参数时返回一个单个的浮点数,有参数时可以返回指定维度的数组。`np.random.randn(5)` 生成一个包含5个元素的一维数组,而`np.random.randn(5, 2)` 则生成一个5行2列的二维数组。与`np.random.rand()` 类似,`np.random.standard_normal()` 函数也是生成标准正态分布的随机数,但它的输入参数是一个元组,而不是逗号分隔的整数。 `np.random.randn()` 在机器学习和统计建模中广泛应用,如初始化权重矩阵、模拟数据等。由于其符合正态分布特性,它常被用来模拟真实世界中许多自然现象的数据分布。 总结来说,`np.random.rand()` 和 `np.random.randn()` 的主要区别在于它们生成的随机数遵循不同的概率分布:前者是0到1之间的均匀分布,后者是标准正态分布。根据实际需求选择合适的函数对于数据分析和模型训练至关重要。
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![thumb](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/13706514/bg1.jpg)
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 3
- 资源: 881
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)