生成特定分布随机数的方法：Python seed() 函数&numpy &scikit-learn随机数据生成

---

描述

---

seed() 方法改变随机数生成器的种子，可以在调用其他随机模块函数之前调用此函数。。

---

语法

---

以下是 seed() 方法的语法:

import random
random.seed ( [x] )

注意：seed(()是不能直接访问的，需要导入 random 模块，然后通过 random 静态对象调用该方法。

---

参数

---

x -- 改变随机数生成器的种子seed。如果你不了解其原理，你不必特别去设定seed，Python会帮你选择seed。

---

返回值

---

本函数没有返回值。

---

实例

---

#!/usr/bin/env python

import random
random.seed(0)
print "Random number with seed 0 : ", random.random()

# It will generate same random number

random.seed(0)
print "Random number with seed 0 : ", random.random()

# It will generate same random number
random.seed(0)
print "Random number with seed 0 : ", random.random()


import numpy
random.seed( 10 )
numpy.random.seed(10)
print "Random number with seed 10 : ", random.random()
print "Numpy.Random number with seed 10 : ", numpy.random.random()

# 生成同一个随机数
random.seed( 10 )
numpy.random.seed(10)
print "Random number with seed 10 : ", random.random()
print "Numpy.Random number with seed 10 : ", numpy.random.random()

# 生成同一个随机数
random.seed( 10 )
numpy.random.seed(10)
print "Random number with seed 10 : ", random.random()
print "Numpy.Random number with seed 10 : ", numpy.random.random()

---

输出结果

---

Random number with seed 0 :  0.8444218515250481
Random number with seed 0 :  0.8444218515250481
Random number with seed 0 :  0.8444218515250481

Random number with seed 10 :  0.5714025946899135
Numpy.Random number with seed 10 : 0.771320643266746
Random number with seed 10 :  0.5714025946899135
Numpy.Random number with seed 10 : 0.771320643266746
Random number with seed 10 :  0.5714025946899135
Numpy.Random number with seed 10 : 0.771320643266746

---

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，则每次生成的随即数都相同，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。

更多理解见 生成特定分布随机数的方法

---

Numpy

---

numpy比较适合用来生产一些简单的抽样数据。API都在random类中，常见的API有：

1) rand(d0, d1, …, dn) 用来生成d0xd1x…dn维的数组。数组的值在[0,1]之间

np.random.rand(3,2,2)

array([[[ 0.75450129,  0.42901482],
        [ 0.96443585,  0.32667506]],

       [[ 0.14964725,  0.05210716],
        [ 0.22233923,  0.03842378]],

       [[ 0.25808658,  0.72287114],
        [ 0.46925528,  0.40520171]]])

2) randn((d0, d1, …, dn), 也是用来生成d0xd1x…dn维的数组。不过数组的值服从N(0,1)的标准正态分布

np.random.randn(3,2)

array([[ 0.66144212,  0.42805973],
       [-1.70413147,  2.06557347],
       [ 0.64347303, -0.28598613]])

如果需要服从的正态分布,
For random samples from N(μ,σ2), use:

sigma * np.random.randn(…) + mu
只需要在randn上每个生成的值x上做变换σx+μ即可

2.5 * np.random.randn(2, 4) + 3
array([[ 4.18824037,  3.26512024,  4.78196539,  9.33558273],
       [ 1.82579451,  4.24870639,  3.20370651,  5.50917743]])

Two-by-four array of samples from N(3, 6.25)

3)randint(low[, high, size])，生成随机的大小为size的数据，size可以为整数，为矩阵维数，或者张量的维数。值位于半开区间 [low, high)。

np.random.randint(3, size=[2,3,4])
array([[[2, 0, 1, 2],
        [0, 1, 0, 0],
        [1, 1, 2, 2]],

       [[1, 2, 0, 1],
        [1, 1, 2, 0],
        [0, 1, 1, 1]]])

返回维数维2x3x4的数据。取值范围为最大值为3的整数

np.random.randint(3, 6, size=[2,3]) #返回维数为2x3的数据。取值范围为[3,6)
array([[4, 5, 4],
       [4, 5, 3]])

4) random_integers(low[, high, size]),和上面的randint类似，区别在与取值范围是闭区间[low, high]。

5) random_sample([size]), 返回随机的浮点数，在半开区间 [0.0, 1.0)。如果是其他区间[a,b),可以加以转换(b - a) * random_sample([size]) + a

 (5-2)*np.random.random_sample(3)+2 #返回[2,5)之间的3个随机数
 array([ 2.12014675,  4.97409966,  2.61624815])

---

scikit-learn随机数据生成API

---

scikit-learn生成随机数据的API都在datasets类之中，和numpy比起来，可以用来生成适合特定机器学习模型的数据。常用的API有：

1) 用make_regression 生成回归模型的数据
2) 用make_hastie_10_2，make_classification或者make_multilabel_classification生成分类模型数据
3) 用make_blobs生成聚类模型数据
4) 用make_gaussian_quantiles生成分组多维正态分布的数据

---

* scikit-learn随机数据生成实例*

---

回归模型随机数据

这里我们使用make_regression生成回归模型数据。几个关键参数有n_samples（生成样本数）， n_features（样本特征数），noise（样本随机噪音）和coef（是否返回回归系数）。例子代码如下

# -*- coding: UTF-8 -*-
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets.samples_generator import make_regression
# X为样本特征，y为样本输出， coef为回归系数，共1000个样本，每个样本1个特征
X, y, coef =make_regression(n_samples=1000, n_features=1,noise=10, coef=True)
# 画图
plt.scatter(X, y,  color='black')
plt.plot(X, X*coef, color='blue',
         linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

分类模型随机数据

这里我们用make_classification生成三元分类模型数据。几个关键参数有n_samples（生成样本数）， n_features（样本特征数）， n_redundant（冗余特征数）和n_classes（输出的类别数），例子代码如下：

# -*- coding: UTF-8 -*-
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets.samples_generator import make_classification
# X1为样本特征，Y1为样本类别输出， 共400个样本，每个样本2个特征，输出有3个类别，没有冗余特征，每个类别一个簇
X1, Y1 = make_classification(n_samples=400, n_features=2, n_redundant=0,
                             n_clusters_per_class=1, n_classes=3)
plt.scatter(X1[:, 0], X1[:, 1], marker='o', c=Y1)
plt.show()

聚类模型随机数据

　这里我们用make_blobs生成聚类模型数据。几个关键参数有n_samples（生成样本数）， n_features（样本特征数），centers(簇中心的个数或者自定义的簇中心)和cluster_std（簇数据方差，代表簇的聚合程度）。例子如下：

# -*- coding: UTF-8 -*-
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets.samples_generator import make_blobs
# X为样本特征，Y为样本簇类别， 共1000个样本，每个样本2个特征，共3个簇，簇中心在[-1,-1], [1,1], [2,2]， 簇方差分别为[0.4, 0.5, 0.2]
X, y = make_blobs(n_samples=1000, n_features=2, centers=[[-1,-1], [1,1], [2,2]], cluster_std=[0.4, 0.5, 0.2])
plt.scatter(X[:, 0], X[:, 1], marker='o', c=y)
plt.show()

分组正态分布混合数据

我们用make_gaussian_quantiles生成分组多维正态分布的数据。几个关键参数有n_samples（生成样本数）， n_features（正态分布的维数），mean（特征均值）， cov（样本协方差的系数）， n_classes（数据在正态分布中按分位数分配的组数）。 例子如下：

# -*- coding: UTF-8 -*-
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets import make_gaussian_quantiles
#生成2维正态分布，生成的数据按分位数分成3组，1000个样本,2个样本特征均值为1和2，协方差系数为2
X1, Y1 = make_gaussian_quantiles(n_samples=1000, n_features=2, n_classes=3, mean=[1,2],cov=2)
plt.scatter(X1[:, 0], X1[:, 1], marker='o', c=Y1)
plt.show()

---

参考文献

---

Python seed() 函数

python 中 np.random.seed( ) 使用小技

机器学习算法的随机数据生成