CANN/asnumpy随机抽样API

随机抽样函数【免费下载链接】asnumpy-docs项目地址: https://gitcode.com/cann/asnumpy-docs::: info 当前 API 文档站仅保留了一组代表性API。由于 AsNumpy 前端与文档体系仍在进行较大幅度整改其余接口文档暂时隐藏待前端稳定后再逐步补全。当前文档仅供参考。 :::本模块提供各种概率分布的随机数生成功能。所有样本在加速器设备上生成。连续分布asnumpy.random.uniformasnumpy.random.uniform(low: float, high: float, size: ShapeLike) - ndarray在区间 [low,high) 上创建均匀分布的随机样本。生成 [low,high) 区间内的随机数其中每个值被选中的概率相等。下界包含上界不包含。参数low(float): 采样范围的起始点包含。high(float): 采样范围的结束点不包含。size(ShapeLike, int 或 int 序列): 输出数组的维度。返回值ndarray: 填充均匀分布样本的数组。参见numpy.random.uniform: NumPy 等效函数。示例 import asnumpy as ap ap.random.uniform(low1.0, high5.0, size4) array([2.34, 4.12, 1.56, 3.89]) # 随机asnumpy.random.normalasnumpy.random.normal(loc: float, scale: float, size: ShapeLike) - ndarray生成服从高斯分布的随机数。生成以loc为中心、由scale控制分散程度的样本遵循经典的钟形曲线模式。参数loc(float): 分布的中心位置均值。scale(float): 分布的宽度标准差。必须非负。size(ShapeLike, int 或 int 序列): 输出数组的维度。返回值ndarray: 填充正态分布样本的数组。参见numpy.random.normal: NumPy 等效函数。示例 import asnumpy as ap ap.random.normal(loc5.0, scale2.0, size3) array([4.21, 6.83, 3.45]) # 随机asnumpy.random.standard_normalasnumpy.random.standard_normal(size: ShapeLike) - ndarray生成服从标准正态分布 N(0, 1) 的随机数。生成来自以零为中心、方差为 1 的标准正态分布的样本。参数size(ShapeLike, int 或 int 序列): 输出数组的维度。返回值ndarray: 填充标准正态样本的数组。参见numpy.random.standard_normal: NumPy 等效函数。示例 import asnumpy as ap ap.random.standard_normal(size(2, 3)) array([[ 0.42, -1.15, 0.78], [-0.33, 1.02, -0.67]]) # 随机ndarray 创建对数服从正态分布模式的样本。 创建自然对数值服从正态分布的样本。适用于建模不能为负的量。 **参数** - mean (float): 底层正态分布的均值。 - sigma (float): 底层正态分布的标准差。必须非负。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充对数正态分布样本的数组。 **参见** - [numpy.random.lognormal](https://numpy.org/doc/stable/reference/random/generated/numpy.random.lognormal.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.lognormal(mean0.5, sigma0.8, size3) array([2.14, 0.92, 3.56]) # 随机 ### asnumpy.random.laplace python asnumpy.random.laplace(loc: float, scale: float, size: ShapeLike) - ndarray 生成服从拉普拉斯双指数分布的随机数。 生成来自两条指数尾部在尖峰处相遇的分布的样本。常用于信号处理和稳健统计。 **参数** - loc (float): 分布峰值的位置。 - scale (float): 控制指数衰减的分散程度。必须非负。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充拉普拉斯分布样本的数组。 **参见** - [numpy.random.laplace](https://numpy.org/doc/stable/reference/random/generated/numpy.random.laplace.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.laplace(loc2.0, scale1.5, size3) array([1.82, 3.45, 0.67]) # 随机 ### asnumpy.random.logistic python asnumpy.random.logistic(loc: float, scale: float, size: ShapeLike) - ndarray 创建服从逻辑分布曲线的样本。 创建来自类似正态曲线但尾部更重的分布的样本。常用于机器学习中的逻辑回归。 **参数** - loc (float): 分布的中心。 - scale (float): 控制分散程度。必须非负。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充逻辑分布样本的数组。 **参见** - [numpy.random.logistic](https://numpy.org/doc/stable/reference/random/generated/numpy.random.logistic.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.logistic(loc0.0, scale2.0, size3) array([1.23, -2.45, 0.89]) # 随机 ### asnumpy.random.gumbel python asnumpy.random.gumbel(loc: float, scale: float, size: ShapeLike) - ndarray 生成服从 Gumbel极值分布的随机数。 生成来自极值分布的样本。常用于建模样本集中最大值的分布。 **参数** - loc (float): 分布的众数最频繁值。 - scale (float): 控制分散程度。必须非负。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充 Gumbel 分布样本的数组。 **参见** - [numpy.random.gumbel](https://numpy.org/doc/stable/reference/random/generated/numpy.random.gumbel.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.gumbel(loc1.0, scale2.0, size3) array([2.34, -0.56, 1.89]) # 随机 ### asnumpy.random.standard_cauchy python asnumpy.random.standard_cauchy(size: ShapeLike) - ndarray 创建服从标准柯西分布的随机样本。 生成来自峰值在零但由于重尾导致均值和方差未定义的分布的样本。 **参数** - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充柯西分布样本的数组。 **参见** - [numpy.random.standard_cauchy](https://numpy.org/doc/stable/reference/random/generated/numpy.random.standard_cauchy.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.standard_cauchy(size4) array([ 0.45, -2.31, 0.12, 5.67]) # 随机 ### asnumpy.random.rayleigh python asnumpy.random.rayleigh(scale: float, size: ShapeLike) - ndarray 生成服从瑞利分布的随机数。 创建来自常用于信号处理和通信理论中建模复数幅度的分布的样本。 **参数** - scale (float): 控制分布形状。必须非负。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充瑞利分布样本的数组。 **参见** - [numpy.random.rayleigh](https://numpy.org/doc/stable/reference/random/generated/numpy.random.rayleigh.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.rayleigh(scale1.5, size(2, 2)) array([[1.23, 2.45], [0.89, 1.67]]) # 随机 ### asnumpy.random.pareto python asnumpy.random.pareto(a: float, size: ShapeLike) - ndarray 创建服从 Pareto II (Lomax) 幂律分布的样本。 生成遵循幂律模式的样本适用于建模财富分布、城市规模和其他富者愈富现象。 **参数** - a (float): 控制尾部重度的形状指数。必须大于零。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充 Pareto 分布样本的数组。 **参见** - [numpy.random.pareto](https://numpy.org/doc/stable/reference/random/generated/numpy.random.pareto.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.pareto(a2.5, size4) array([0.34, 1.23, 0.56, 0.89]) # 随机 ### asnumpy.random.weibull python asnumpy.random.weibull(a: float, size: ShapeLike) - ndarray 生成服从威布尔分布的随机数。 创建来自广泛应用于可靠性工程和失效分析的多功能分布的样本。 **参数** - a (float): 决定分布形式的形状参数。必须非负。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充威布尔分布样本的数组。 **参见** - [numpy.random.weibull](https://numpy.org/doc/stable/reference/random/generated/numpy.random.weibull.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.weibull(a1.5, size4) array([0.78, 1.23, 0.45, 2.11]) # 随机 ## 离散分布 ### asnumpy.random.binomial python asnumpy.random.binomial(n: int, p: float, size: ShapeLike) - ndarray 创建服从二项分布的随机样本。 生成计算多次独立试验中成功次数的样本每次试验具有相同的成功概率。 **参数** - n (int): 要执行的总试验次数。必须非负。 - p (float): 每次单独试验的成功概率。必须在 [0, 1] 范围内。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充从 0 到 n 的整数计数的数组。 **参见** - [numpy.random.binomial](https://numpy.org/doc/stable/reference/random/generated/numpy.random.binomial.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.binomial(n20, p0.4, size5) array([7, 9, 6, 8, 5]) # 随机 ### asnumpy.random.geometric python asnumpy.random.geometric(p: float, size: ShapeLike) - ndarray 生成服从几何分布的随机数。 生成表示首次成功发生的试验次数的样本。 **参数** - p (float): 每次试验的成功概率。必须在 (0, 1] 范围内。 - size (ShapeLike, int 或 int 序列): 输出数组的维度。 **返回值** - ndarray: 填充正整数的数组最小值为 1。 **参见** - [numpy.random.geometric](https://numpy.org/doc/stable/reference/random/generated/numpy.random.geometric.html): NumPy 等效函数。 **示例** python import asnumpy as ap ap.random.geometric(p0.25, size5) array([3, 1, 7, 2, 4]) # 随机 --【免费下载链接】asnumpy-docs项目地址: https://gitcode.com/cann/asnumpy-docs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考