『Python学习笔记』np.random.rand()函数和np.random.randn()函数

目录

 

一. np.random.rand()函数

二. np.random.randn()函数

---

一. np.random.rand()函数

• 语法：np.random.rand(d0,d1,d2……dn)
• 注意：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
• 例如：

二. np.random.randn()函数

• 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)。
• 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

• 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。