金华市建设局网站,软服业营收破334亿,著名logo设计案例,注册百度账号随机数种子是为了能重现某一次实验生成的随机数而设立的#xff0c;相同的随机数种子下#xff0c;生成的随机数序列一样 一、随机数种子基础应用 在python中简单运用随机数种子
import random
random.seed(1)
a random.sample(range(0,100),10)
random.seed(2)
b random.…随机数种子是为了能重现某一次实验生成的随机数而设立的相同的随机数种子下生成的随机数序列一样 一、随机数种子基础应用 在python中简单运用随机数种子
import random
random.seed(1)
a random.sample(range(0,100),10)
random.seed(2)
b random.sample(range(0,100),10)结果如下
a
Out[3]: [17, 72, 97, 8, 32, 15, 63, 57, 60, 83]
b
Out[4]: [7, 11, 10, 46, 21, 94, 85, 39, 32, 77]
random.seed(1)//加载随机数种子
random.sample(range(0,100),10)
Out[6]: [17, 72, 97, 8, 32, 15, 63, 57, 60, 83]可以看到out[6]之前加载了随机数种子1之后可以重现第一次随机数的生成结果
二、随机数种子在scikit-learn中的应用(以鸢尾花为例) 注以下代码需要在你的环境中先行安装scikit-learn工具包 具体方法可以参考https://blog.csdn.net/quicmous/article/details/106824638
首先scikit-learn中鸢尾花的数据集需要我们进行拆分将其拆分为训练集和测试集。在这里需要将原数据进行随机拆分
from sklearn import datasets
Xiris.data[:,[2,3]]
yiris.target
X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.3, random_state1)X,y分别为原数据与标签0.3指的是把X和y随机分为30%的测试数据和70%的训练数据 这里的随机数种子参数为random_state 在未来想要重新获取X_train, X_test, y_train, y_test的时候可以再次调用以下语句
train_test_split(X, y, test_size0.3, random_state1)例子
X_train1, X_test1, y_train1, y_test1 train_test_split(X, y, test_size0.3, random_state1)检验新生成的数据和同样的随机数种子下生成的数据是否一样可以自行运行程序发现是一样的 如果将random_state设置成1以外的数
X_train2, X_test2, y_train2, y_test2 train_test_split(X, y, test_size0.3, random_state2)会发现结果不一样了
