랜덤함수

.rand

np.random.rand(d0, d1, ..., dn)

• (d0, d1, ..., dn) shape 배열
• [0. 1)의 균등 분포(Uniform Distribution) 형상으로 표본 추출
• Gaussina normal

.randn

np.random.randn(d0, d1, ..., dn)

• (d0, d1, ..., dn) shape 배열
• 표준 정규 분포(standard normal distribution)에서 표본 추출

.randint

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

• low 부터 high 미만의 범위에서 정수 표본 추출

.random

np.random.random(size=None)

• [0., 1.)의 균등 분포(Uniform Distribution)에서 표본 추출

.choice

np.random.choice(a, size=None, replace=True, p=None)

• 주어진 1차원 ndarray로 부터 랜덤으로 샘플링
• 정수가 주어진 경우, np.arange(해당숫자)로 간주
• replace : 비중복

x = np.array([-1, 2, 4, 7.5, -2.6, 0.8])
np.random.choice(x, size=(2, 2), replace=False)

array([[-1. ,  7.5],
    [ 4. , -2.6]])

discrete probability distribution

• 이항분포
  np.random.normal(loc=0.0, scale=1.0, size=None)
• 초기하분포
  np.random.uniform(low=0.0, high=1.0, size=None)
• 포아송분포
  np.random.lognormal(mean=0.0, sigma=1.0, size=None)

continuous probability distribution

• 정규분포
  np.random.normal(loc=0.0, scale=1.0, size=None)
• 균일분포
  np.random.uniform(low=0.0, high=1.0, size=None)
• 로그정규분포
  np.random.lognormal(mean=0.0, sigma=1.0, size=None)
• 라플라스분포
  np.random.laplace(loc=0.0, scale=1.0, size=None)
• t-분포
  np.random.standard_t(df, size=None)
• F-분포
  np.random.f(dfnum, dfden, size=None)
• 카이제곱분포
  np.random.chisquare(df, size)

seed

• 난수의 시작점을 설정하는 함수로서 랜덤한 값을 동일하게 다시 생성하고자 할때 사용