小开

最佳答案

Docstring: rand (d0，d1，... ，dn)

给定形状的随机值。

创建给定形状的数组并用随机方式传播从 [0, 1)上均匀分布的样品。

>>> import numpy as np
>>> np.random.rand(2,3)
array([[ 0.22568268,  0.0053246 ,  0.41282024],
[ 0.68824936,  0.68086462,  0.6854153 ]])

小开

你可以放弃 range(len()):

weights_h = [[random.random() for e in inputs[0]] for e in range(hiden_neurons)]

但是说真的，你应该用 numpy。

In [9]: numpy.random.random((3, 3))
Out[9]:
array([[ 0.37052381,  0.03463207,  0.10669077],
[ 0.05862909,  0.8515325 ,  0.79809676],
[ 0.43203632,  0.54633635,  0.09076408]])

小开

使用 map-reduce 的答案:-

map(lambda x: map(lambda y: ran(),range(len(inputs[0]))),range(hiden_neurons))

小开

random_matrix = [[random.random for j in range(collumns)] for i in range(rows)
for i in range(rows):
print random_matrix[i]

小开

看起来您正在做 Coursera 机器学习神经网络练习的 Python 实现。下面是我对 randInitializeWeights (L _ in，L _ out)所做的工作

#get a random array of floats between 0 and 1 as Pavel mentioned
W = numpy.random.random((L_out, L_in +1))


#normalize so that it spans a range of twice epsilon
W = W * 2 * epsilon


#shift so that mean is at zero
W = W - epsilon

小开

x = np.int_(np.random.rand(10) * 10)

对于10个随机数，我们必须乘以20。

小开

使用 np.random.randint()作为不推荐使用 np.random.random_integers()

random_matrix = np.random.randint(min_val,max_val,(<num_rows>,<num_cols>))

小开

当你说“一个随机数矩阵”时，你可以像上面提到的 Pavel https://stackoverflow.com/a/15451997/6169225那样使用 numpy，在这种情况下，我假设对你来说，这些(伪)随机数所遵循的分布是不相关的。

但是，如果您需要特定的发行版(我想您对统一发行版感兴趣) ，numpy.random提供了非常有用的方法。例如，假设您想要一个3x2矩阵，其伪随机均匀分布以[ low，high ]为界。你可以这样做:

numpy.random.uniform(low,high,(3,2))

注意，您可以用此库支持的任意数量的发行版来替换 uniform。

延伸阅读: https://docs.scipy.org/doc/numpy/reference/routines.random.html

小开

首先，创建 numpy数组，然后将其转换为 matrix:

import numpy


B = numpy.random.random((3, 4)) #its ndArray
C = numpy.matrix(B)# it is matrix
print(type(B))
print(type(C))
print(C)

小开

创建随机整数数组的一个简单方法是:

matrix = np.random.randint(maxVal, size=(rows, columns))

下面输出一个从0到10的2乘3随机整数矩阵:

a = np.random.randint(10, size=(2,3))

小开

#this is a function for a square matrix so on the while loop rows does not have to be less than cols.
#you can make your own condition. But if you want your a square matrix, use this code.


import random


import numpy as np


def random_matrix(R, cols):


matrix = []


rows =  0


while  rows < cols:


N = random.sample(R, cols)


matrix.append(N)


rows = rows + 1


return np.array(matrix)


print(random_matrix(range(10), 5))
#make sure you understand the function random.sample

小开

Rand (row，column)根据给定的指定(m，n)参数生成0到1之间的随机数。因此，使用它来创建一个(m，n)矩阵，并乘以矩阵的范围极限和它的高限。

分析: 如果生成零，只保留下限，但如果生成一个，只保留高限。换句话说，使用 rand numpy 生成限制，就可以生成极端需要的数字。

import numpy as np


high = 10
low = 5
m,n = 2,2


a = (high - low)*np.random.rand(m,n) + low

产出:

a = array([[5.91580065, 8.1117106 ],
[6.30986984, 5.720437  ]])

小开

为了创建一个随机数字的数组，NumPy 提供了使用以下方法创建数组:

真正的数字
整数

使用随机 < strong > 实数创建数组: 有两个选择

Rand (用于生成的随机数的均匀分布)
Randn (用于生成的随机数的正态分布)

Random Rand

import numpy as np
arr = np.random.rand(row_size, column_size)

随机 Randn

import numpy as np
arr = np.random.randn(row_size, column_size)

用于使用随机 整数:创建数组

import numpy as np
numpy.random.randint(low, high=None, size=None, dtype='l')

哪里

Low = 从分布中绘制的最低(有符号)整数
High (可选) = 如果提供，则在从分布中绘制的最大(有符号)整数之上
Size (可选) = 输出形状，例如，如果给定的形状是(m，n，k) ，则绘制 m * n * k 样本
Dtype (可选) = 结果的期望 dtype。

例如:

给定的例子将生成一个0到4之间的随机整数数组，它的大小为5 * 5，有25个整数

arr2 = np.random.randint(0,5,size = (5,5))

为了创建5乘5矩阵，它应该被修改为

Rr2 = np.Random. randint (0,5，size = (5,5)) ，将 × * 改为逗号，#

[[21101][32143][23033][13100][41201]

例子二:

给定的例子将生成一个0到1之间的随机整数数组，它的大小为1 * 10，将有10个整数

arr3= np.random.randint(2, size = 10)

[0000110011]

创建随机数矩阵的简单方法

为了创建5乘5矩阵，它应该被修改为