我希望生成范围为-1, 1
的随机数,并希望每个随机数都有相同的生成概率。也就是说,我不希望出现极端的可能性更小。做这件事的最好方法是什么?
到目前为止,我已经使用了:
2 * numpy.random.rand() - 1
还有:
2 * numpy.random.random_sample() - 1
发布于 2012-07-26 23:50:47
你的方法很好。另一种方法是使用函数numpy.random.uniform()
>>> numpy.random.uniform(-1, 1, size=10)
array([-0.92592953, -0.6045348 , -0.52860837, 0.00321798, 0.16050848,
-0.50421058, 0.06754615, 0.46329675, -0.40952318, 0.49804386])
关于极值的概率:如果它是理想化的、连续的随机数,那么得到一个极值的概率将为0。由于浮点数是连续实数的离散化,因此在现实中有一些正概率得到一些极值。这是某种形式的离散化错误,几乎可以肯定,在您的模拟中,此错误将被其他错误所掩盖。别担心了!
发布于 2014-08-30 21:55:46
请注意,numpy.random.rand
允许在一次调用中从均匀分布生成多个样本:
>>> np.random.rand(5)
array([ 0.69093485, 0.24590705, 0.02013208, 0.06921124, 0.73329277])
它还允许生成给定形状的样本:
>>> np.random.rand(3,2)
array([[ 0.14022471, 0.96360618],
[ 0.37601032, 0.25528411],
[ 0.49313049, 0.94909878]])
如您所说,在[-1,1)之间均匀分布的随机数可以通过以下方式生成:
>>> 2 * np.random.rand(5) - 1
array([ 0.86704088, -0.65406928, -0.02814943, 0.74080741, -0.14416581])
发布于 2020-12-29 16:13:30
为了确保包含范围-1,1的极值,我随机生成一个整数数组,该数组的范围为[0,200000001[.后一个整数的值取决于所需的最终numpy数据类型。在这里,我使用numpy float64,这是用于numpy数组的默认类型。然后,我将numpy数组除以100000000,以生成浮点数并以单位减去。这样做的代码是:
>>> import numpy as np
>>> number = ((np.random.randint(low=0, high=200000001, size=5)) / 100000000) - 1
>>> print(number)
[-0.65960772 0.30378946 -0.05171788 -0.40737182 0.12998227]
确保不要将这些numpy浮点数转换为python浮点数,以避免舍入错误。
https://stackoverflow.com/questions/11673124
复制相似问题