我们在机器学习中不需要真正的随机性。因此,我们可以使用伪随机性。伪随机性是看起来接近随机的数字样本,但是它是使用确定性的过程生成的。
使用伪随机数生成器可以混洗数据并用随机值初始化系数。...[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]
[4,18,2,8,3]
随机混洗列表
随机性可用于随机混洗列表,就像洗牌。...可以使用shuffle()函数来洗牌一个列表。shuffle在适当的位置执行,这意味着被用作shuffle()函数的参数的列表被洗牌,而不是副本被洗牌。
下面的示例演示了随机混洗一个整数值列表。...,然后打印经过随机混洗后的这个列表。...,然后随机混洗并打印混洗后的数组。