numpy. random. choice () 함수 용법 및 응용 장면
Generates a random sample from a given 1-D array
import numpy numpy.random.choice(100, 3)
출력: array ([83, 80, 65])
numpy.random.choice([1,0.2,7,'c'],2)
출력: array (['c', '0.2'], dtype='|S32')
장면 응용
ix = np.random.choice(np.arange(len(trainingdata)), batch_size, replace=False)
img=[]
for i in ix:
img_array=cv2.imread()
img.append(img_array)
감 배 판
numpy.random.
randint
(low, high=None, size=None) Return random integers from low (inclusive) to high (exclusive).
마지막 으로 줄 을 서서 알 아 보 자.
np.random.permutation(10)
array([1, 7, 4, 3, 0, 9, 2, 5, 8, 6])
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Shark 소스 코드 분석 (11): 랜 덤 숲 알고리즘이 알고리즘 에 대한 소 개 는 이전에 통합 알고리즘 에 관 한 블 로 그 를 참조 할 수 있 습 니 다.Shark 에 서 는 의사 결정 트 리 알고리즘 에 대해 CART 알고리즘 만 실 현 했 기 때문에 랜 덤 숲...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.