生成随机数的几个总结

标签：分类   模型   ict   结束   增加   seed   start   red   tle   

（1）保证以后生成的随机数是一样的

1 np.random.seed(0)

（2）生成N行，M列的随机数

np.random.randn(N, M)

（3）对生成的随机数每个数据都增加数值

np.random.randn(N, M) + (4, 4)

（4）按照顺序将元素堆叠起来，可以是元组，列表’

np.vstack((x1, x2))

（5）生成网格采样点

np.mgrid(start: end: step)

start:开始坐标

stop:结束坐标（不包括）

step:步长

举例子

res = np.mgrid[-3:3:.1,-3:3:.1]

生成从-3到3的二维坐标

第一部分是y轴的范围

第二部分是x轴的范围

返回数组的res[0]是y轴，res[1]是x轴

（6）画出分类边界的函数，plt.pcolormesh()

pcolor([X, Y,] C, **kwargs)
x,y表示画片的横纵坐标尺寸，C为模型预测的标签
plt.pcolormesh()会根据y_predict的结果自动在cmap里选择颜色

（7）tight_layout会自动调整子图参数，使之填充整个图像区域

（8）plt.suptitle(‘总标题‘)

生成随机数的几个总结

标签：分类   模型   ict   结束   增加   seed   start   red   tle   

原文地址：https://www.cnblogs.com/demo-deng/p/10173206.html