偽隨機數生成
Python 中的抽樣
James Chapman
Curriculum Manager, DataCamp
什麼是隨機？
依據 {adjective}，在沒有方法或主觀決策下製作、執行、發生或選擇。
1 Oxford Languages
真正的隨機數
- 來自物理過程，例如擲硬幣
- Hotbits 使用放射性衰變
- RANDOM.ORG 使用大氣噪音
- 真的隨機很昂貴
1 https://www.fourmilab.ch/hotbits 2 https://www.random.org
偽隨機數生成
- 偽隨機數生成既便宜又快速
- 下一個「隨機」數由前一個「隨機」數計算而得
- 第一個「隨機」數由 seed 產生
- 相同的 seed 值會產生相同的隨機數
偽隨機數生成範例
seed = 1
calc_next_random(seed)
3
calc_next_random(3)
2
calc_next_random(2)
6
隨機數生成函式
- 前綴使用
numpy.random，例如numpy.random.beta()
| function | distribution | function | distribution |
|---|---|---|---|
| .beta | Beta | .hypergeometric | Hypergeometric |
| .binomial | Binomial | .lognormal | Lognormal |
| .chisquare | Chi-squared | .negative_binomial | Negative binomial |
| .exponential | Exponential | .normal | Normal |
| .f | F | .poisson | Poisson |
| .gamma | Gamma | .standard_t | t |
| .geometric | Geometric | .uniform | Uniform |
視覺化隨機數
randoms = np.random.beta(a=2, b=2, size=5000)
randoms
array([0.6208281 , 0.73216171, 0.44298403, ...,
0.13411873, 0.52198411, 0.72355098])
plt.hist(randoms, bins=np.arange(0, 1, 0.05))
plt.show()
隨機數的 seed
np.random.seed(20000229)
np.random.normal(loc=2, scale=1.5, size=2)
array([-0.59030264, 1.87821258])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.52619561, 4.9684949 ])
np.random.seed(20000229)
np.random.normal(loc=2, scale=1.5, size=2)
array([-0.59030264, 1.87821258])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.52619561, 4.9684949 ])
使用不同的 seed
np.random.seed(20000229)
np.random.normal(loc=2, scale=1.5, size=2)
array([-0.59030264, 1.87821258])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.52619561, 4.9684949 ])
np.random.seed(20041004)
np.random.normal(loc=2, scale=1.5, size=2)
array([1.09364337, 4.55285159])
np.random.normal(loc=2, scale=1.5, size=2)
array([2.67038916, 2.36677492])
一起來練習吧！
Python 中的抽樣
