这里写目录标题
- 随机的二位为数组的创建?(知识点:随机抽样)
- 关于Numpy随机抽样的定义
- 各种分布的了解和认知
- 二项分布
- 泊松分布
- 超几何分布
- 均匀分布
- 正态分布
- 指数分布
随机的二位为数组的创建?(知识点:随机抽样)
假设我们要创建一个5X2的二维数组,包含5到9之间的随机数 ,即随机抽样!
如何创建这样的的二维数组呢,我们以下列程序进行展现:
列1
得到一组数据,我们反复运行时,又会得到另一组随机抽样的数据,大家有兴趣的花可以试试看。
关于Numpy随机抽样的定义
* numpy.random 模块对 Python 内置的 random 进行了补充,增加了一些用于高效生成多种概率分布的样本值的函数,如正态分布、泊松分布等。*
numpy.random.seed(seed=None)
**seed()**用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed()值,则每次生成的随机数都相同,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。
在对数据进行预处理时,经常加入新的操作或改变处理策略,此时如果伴随着随机操作,最好还是指定唯一的随机种子,避免由于随机的差异对结果产生影响。
各种分布的了解和认知
####二项分布
二项分布
二项分布可以用于只有一次实验只有两种结果,各结果对应的概率相等的多次实验的概率问题。
泊松分布
泊松分布主要用于估计某个时间段某事件发生的概率。
泊松概率函数的代码表示:poisson.pmf(k) = exp(-lam) lam*k / k
超几何分布
在超几何分布中,各次实验不是独立的,各次实验成功的概率也不等
均匀分布
从均匀分布中抽取样本
正态分布
从“标准正态”分布中返回一个或多个样本。
指数分布
指数分布的原始样本。
对于这块描写的有些浅薄,本来打算附上程序,奈何
一直下载不了,等吧这个搞定就可以放图表上来了,我再补齐这一部分!