用法:
>>> numpy.random.randn(d0, d1, ..., dn)
输入:d0, d1, ..., dn : int, 可选
返回:A (d0, d1, ..., dn)
-shaped 大小的服从标准正态分布(平均值为0,方差为1) (Gaussian) 的浮点型采样数组,如果没有输入值,则返回单个浮点数
注意:想实现 (平均值为,方差为正态分布), 使用如下代码:
>>> sigma * np.random.randn(...) + mu
例子:
>>> np.random.randn()
2.1923875335537315 #random
实现符合N(3, 6.25) 的(2,4)-shaped的正态分布:
>>> 2.5 * np.random.randn(2, 4) + 3
array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677], #random
[ 0.39924804, 4.68456316, 4.99394529, 4.84057254]]) #random
参考资料:
https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.random.randn.html