numpy.randomを使用してランダムベクトルを生成します。エントリが正規分布からのサンプルである100X100のランダム行列を生成するPythonでコードを記述します。
これは私が作成したものであり、これが正しいかどうかはわかりません。正規分布についても質問があります。私の乱数は特定のプールから取得する必要がありますか?$ [0,1] $など、またはこの範囲外の値を取得することは可能ですか?
これは、JupyterNotebookで記述された場合のコードです。
import numpy as np
a = np.random.randn(100,100)
a
array([[-0.42952803, -0.55136761, -0.45544016, ..., -0.54125441,
2.31481612, 0.93721055],
[-0.2440975 , -0.10233273, -0.06972217, ..., -0.25760561,
0.48431004, -0.91599734],
[-1.39176645, -0.79784139, -0.21914249, ..., 2.38224209,
1.57696294, 0.48747715],
...,
[ 0.38458431, -1.75968742, 1.64696889, ..., 1.43273609,
-0.74896945, 0.48588267],
[ 1.22934075, 1.27112809, -0.40593726, ..., 0.63584471,
0.11152366, -2.23030795],
[ 1.5910005 , 0.29184142, -0.01811951, ..., -0.25800051,
-0.09681777, 0.40182752]])
あなたがしたことは正しいですが、注意すべきことがいくつかあります。
1つ目は、np.random.randn()
特に標準正規分布(平均が0で標準偏差が1の分布)から描画するためのものです。それはあなたの質問に基づいてあなたが望むもののように聞こえますが、あなたがサンプリングしたい正規分布の平均であり、標準偏差np.random.normal(mu, sd, size=(100, 100))
であるところを使用することもできることに注意してください。mu
sd
どの範囲の値が含まれるべきかについてのあなたの質問に関して、それらは間違いなくに制約されていません[0, 1]
。正規分布は、すべての実数で定義された連続確率密度関数であるため、理論的には任意の実数を見ることができますが、平均から離れるにつれて各値を観測する確率は低下します。
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加