numpy での乱数生成方法とアプリケーションについての深い理解

乱数を生成するための NumPy の方法とアプリケーションを探索する

はじめに:
乱数は、コンピューター サイエンスや統計において、次のような幅広い用途があります。シミュレーション実験、データ生成と特徴選択などPython の NumPy (数値 Python) ライブラリは、乱数を生成するための多くの関数を提供する強力な数値計算ライブラリです。この記事では、NumPy での乱数生成方法を検討し、具体的なコード例を示します。

1. NumPy の乱数​​生成関数
NumPy には乱数を生成するためのさまざまな関数が用意されており、その中で一般的に使用されるものは次のとおりです:

1. np.random.rand
   関数 np.random.rand(low, high, size) は、範囲 [0, 1) の乱数を生成するために使用されます。このうち、low パラメータと high パラメータはオプションであり、乱数の範囲を指定するために使用され、size パラメータはオプションで、生成される乱数の数を指定するために使用されます。

サンプル コードは次のとおりです。

import numpy as np

Generate a Random Number

random_num = np.random.rand( )
print("乱数を生成:", random_num)

[0, 10)の範囲で乱数を生成します

random_num_range = np.random.rand() * 10
print("[0, 10) の範囲で乱数を生成します:", random_num_range)

3x3 のランダム行列を生成します

random_matrix = np.random.rand(3) , 3)
print("3x3 ランダム行列を生成します:
", random_matrix)

2. np.random.randn
   Function np.random.randn(d0, d1 , ..., dn) は、標準正規分布から一連の乱数、つまり平均が 0、分散が 1 の乱数を生成するために使用されます。このうち、dn パラメータは、生成される乱数の次元を指定するために使用されます。

サンプル コードは次のとおりです。

import numpy as np

標準正規分布から乱数を生成します

random_normal = np .random. randn()
print("標準正規分布から乱数を生成する:", random_normal)

標準正規分布から 2x2 の次元のランダム行列を生成します

random_normal_matrix = np.random.randn(2, 2)
print("次元 2x2 の標準正規分布を持つランダム行列を生成します:
", random_normal_matrix)

3. np .random. randint
   関数 np.random.randint(low, high, size) は、指定された範囲内の整数の乱数を生成するために使用されます。このうち、low パラメータと high パラメータは乱数の範囲を指定するために使用され、size パラメータは生成される乱数の数を指定するために使用されます。

#サンプル コードは次のとおりです。

import numpy as np

[0, 10)の範囲の整数乱数を生成します。

random_int = np.random.randint(0, 10)

print("[0, 10) の範囲で整数の乱数を生成します:", random_int)

範囲で整数の乱数を生成しますrange [-5, 5) 範囲内の整数乱数

random_int_range = np.random.randint(-5, 5)

print("範囲 [-5 内の整数乱数を生成します, 5):", random_int_range)

範囲 [0, 10)の 3x3 整数ランダム行列を生成します。

random_int_matrix = np.random.randint(0, 10, size=(3) , 3))

print("Generate a 3x3 integer Random Matrix in the range [0, 10):
", random_int_matrix)

2. 乱数の適用

乱数機械学習とデータ 分析には重要なアプリケーションがあり、以下に 2 つの一般的なアプリケーション シナリオを紹介します。

シミュレーション実験
1. 乱数は、サイコロを振った結果のシミュレーション、ランダムウォークや野球の試合結果のシミュレーションなどのシミュレーション実験に使用できます。乱数を生成することで、大量の実験を簡単に実行し、実験結果を分析することができます。
   

サンプル コードは次のとおりです。

import numpy as np

サイコロの回転のシミュレーション

dice_roll = np.random.randint(1) , 7, size=10)

print("サイコロを振った結果:", dice_roll)

データ生成
2. 乱数を使用してデータを生成できます。特定の分布に従う乱数。テスト データ セットの構築に使用されます。一般的なアプリケーション シナリオには、ガウス分布データの生成、分類データの生成、画像データの生成が含まれます。
   

サンプル コードは次のとおりです。

import numpy as np

正規分布に従う乱数を生成します

gaussian_data = np.random .randn (1000)

print("正規分布に従う乱数:", gaussian_data)

カテゴリデータの生成

class_labels = np.random.randint(0, 2, size= 1000)

print("分類データ ラベル:", class_labels)

結論:

この記事では、NumPy の乱数​​生成方法とその応用について説明します。 NumPyが提供する乱数生成機能を利用すると、さまざまな種類の乱数を簡単に生成し、シミュレーション実験やデータ生成などのシナリオに適用できます。乱数は統計とコンピューター サイエンスで重要な役割を果たしているため、NumPy の乱数​​生成方法を習得することはデータ分析と機械学習にとって非常に重要です。

参考:

NumPy 公式ドキュメント: https://numpy.org/doc/stable/reference/random/index.html

以上がnumpy での乱数生成方法とアプリケーションについての深い理解の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。