Numpy 에서 np.random.rand()와 np.random.randn()의 용법 과 차이 점 에 대한 상세 한 설명

numpy.random.rand(d0,d1,...,dn)의 무 작위 샘플 은[0,1)에 있 습 니 다.이 함 수 는 하나 또는 한 조 가**"0~1"의 균일 분포**에 복종 하 는 무 작위 샘플 값 을 되 돌려 줄 수 있 습 니 다.
numpy.random.randn(d0,d1,...,dn)은 표준 정규분포 에서 하나 이상 의 견본 값 을 되 돌려 줍 니 다.
 1. np.random.rand()
문법:np.random.rand(d0,d1,d2……dn)주:사용 방법 은 np.random.randn()함수 와 같 습 니 다.
역할:
이 함 수 를 통 해 하나 또는 한 조 가'0~1'의 균일 한 분포 에 복종 하 는 무 작위 견본 값 을 되 돌려 줄 수 있 습 니 다.무 작위 견본 의 수치 범 위 는[0,1)이 고 1 을 포함 하지 않 는 다.
응용:딥 러 닝 의 Dropout 정규 화 방법 에서 dropout 무 작위 벡터(dl)를 생 성 하 는 데 사용 할 수 있 습 니 다.
예 를 들 면(keepprob 는 뉴 런 의 비율 을 유지 합 니 다):

dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob

예:

주:
균일 분포:
직사각형 분포 라 고도 하 는데 대칭 확률 분포 이 고 같은 길이 의 간격 에 분포 할 확률 등 이 가능 하 다.
균일 한 분 포 는 두 개의 매개 변수 a 와 b 에 의 해 정 의 됩 니 다.이것 은 수축 의 최소 값 과 최대 값 입 니 다.보통 U(a,b)라 고 약칭 합 니 다.
균일 분포 확률 밀도 함 수 는:


2.np.random.randn()문법:np.random.randn(d0,d1,d2……dn)1)함수 괄호 안에 인자 가 없 을 때 부동 소수점 을 되 돌려 줍 니 다.
2)함수 괄호 안에 매개 변수 가 있 을 때 1 의 배열 로 돌아 가 벡터 와 행렬 을 표시 할 수 없다.
3)함수 괄호 안에 두 개 이상 의 매개 변수 가 있 을 때 대응 하 는 차원 의 배열 로 돌아 가 벡터 나 행렬 을 나 타 낼 수 있다.
4）np.random.standard_normal()함 수 는 np.random.randn()과 유사 하지만 np.random.standardnormal()의 입력 매개 변 수 는 원본 그룹(tuple)입 니 다.

#   ：
np.random.standard_normal((5))
# [-0.53268495 0.30171848 1.85232368 -0.58746393 0.19683992]

np.random.standard_normal((5,2))
''' 
[[-2.44520524 2.29767001]
 [-1.19770033 -1.09569325]
 [-0.75414833 0.49509984]
 [-1.42537268 0.41788237]
 [ 1.85465491 -1.44383249]] 
 '''
 
np.random.standard_normal((5,2,3))
'''
[[[ 0.54013502 -0.25347615 1.73395647]
 [ 1.03386947 -0.54856199 2.10004584]]

 [[-0.57632903 -0.05856844 1.72805595]
 [ 1.3507174  0.61459539 0.63380028]]

 [[-2.24857933 -1.29276097 0.42585061]
 [ 0.75974263 -0.83670586 -1.56930898]]

 [[-0.32212   1.2884624  1.53744081]
 [ 1.5444555 -1.82408734 -0.55952688]]

 [[-1.21191144 -1.40454518 -0.3369976 ]
 [-0.89314143 0.28291988 1.58394166]]]
'''

np.random.standard_normal((5,2,3,1))
'''
[[[[ 0.19019221]
  [ 0.64618425]
  [ 0.99815722]]

 [[-0.0570328 ]
  [ 0.83271045]
  [-0.30469335]]]


 [[[-1.14788388]
  [ 0.09563431]
  [ 2.05611213]]

 [[-0.14251287]
  [ 1.00922816]
  [-0.55403104]]]


 [[[ 1.75657437]
  [ 1.46381575]
  [ 1.10527197]]

 [[ 0.22667296]
  [ 0.18305552]
  [ 0.5778761 ]]]


 [[[ 0.26501242]
  [-0.4863313 ]
  [ 1.01096974]]

 [[-2.46562874]
  [ 0.19516242]
  [-1.92500848]]]


 [[[ 0.97904566]
  [ 0.80444414]
  [ 0.99981326]]

 [[-0.74329878]
  [-0.9265738 ]
  [ 0.0288684 ]]]]
  '''

5)np.random.randn()의 입력 은 보통 정수 이지 만 부동 소수점 이면 자동 으로 정수 로 전환 합 니 다.
역할:이 함 수 를 통 해 표준 정규분포 에 복종 하 는 무 작위 견본 값 을 하나 또는 한 그룹 으로 되 돌려 줄 수 있 습 니 다.
특징:표준 정태 분 포 는 0 을 균일 수로 하고 1 을 표준 차 로 하 는 정태 분포 로 N(0,1)으로 기록한다.대응 하 는 정상 분포 곡선 은 다음 과 같다.즉,

주:
표준 정상 분포 곡선 아래 면적 분포 규칙 은:
-1.96~+1.96 범위 내 곡선 아래 의 면적 은 0.9500(즉,수치 가 이 범위 에 있 을 확률 은 95%)이 고-2.58~+2.58 범위 내 곡선 아래 면적 은 0.9900(즉,수치 가 이 범위 에 있 을 확률 은 99%)이다.
따라서 np.random.randn()함수 에 의 해 발생 하 는 랜 덤 샘플 은 기본적으로-1.96~+1.96 사이 에 있 습 니 다.물론 비교적 큰 값 이 존재 하 는 상황 도 배제 하지 않 고 확률 이 비교적 적 을 뿐 입 니 다.
참고:
https://blog.csdn.net/abc13526222160/article/details/86423754
https://www.cnblogs.com/BBS2013/p/12839042.html
Numpy 의 np.random.rand()와 np.random.randn()의 용법 과 차이 점 에 대한 자세 한 설명 은 여기까지 입 니 다.Numpy np.random.rand()와 np.random.randn()에 관 한 더 많은 내용 은 예전 의 글 을 검색 하거나 아래 의 관련 글 을 계속 찾 아 보 세 요.앞으로 많은 응원 부탁드립니다!