经常是物理的东西,比如盖革计数器,其结果会变成随机数。我们在机器学习中不需要真正的随机性。因此,我们可以使用伪随机性。伪随机性是看起来接近随机的数字样本,但是它是使用确定性的过程生成的。...例如,如果列表有10个在0到9之间的项,那么可以生成0到9之间的随机整数,并使用它从列表中随机选择一项。该choice()函数可以实现此功能。选择是的可能性是一样的。...[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]
4
18
2
8
3
列表中的随机子样本
我们可能会需要重复从列表中随机选择项以创建随机选择的子集...使用sample()函数可以完成此功能,这个函数从列表中选择随机样本而不进行替换。该函数需要的参数有列表和子集大小。请注意,这些选过的项实际上并未从原始列表中删除,只是被挑进了列表的副本。...随机整数将从均匀分布中抽取,包括下界的值,不包含上界的值,即在区间[lower,upper)中。
下面的示例演示了如何生成随机整数数组。