我正在尝试创建一个随机数矩阵，但我的解决方案太长而且看起来很难看
random_matrix = [[random.random() for e in range(2)] for e in range(3)]
这看起来不错，但在我的实现中是这样的
weights_h = [[random.random() for e in range(len(inputs[0]))] for e in range(hiden_neurons)]
这是极其难以阅读的，并且无法放在一行中。
您可以删除
range(len())weights_h = [[random.random() for e in inputs[0]] for e in range(hiden_neurons)]
但实际上，你应该使用 numpy。
In [9]: numpy.random.random((3, 3))
Out[9]:
array([[ 0.37052381, 0.03463207, 0.10669077],
[ 0.05862909, 0.8515325 , 0.79809676],
[ 0.43203632, 0.54633635, 0.09076408]])
文档字符串：rand(d0, d1, ..., dn)
给定形状的随机值。
创建给定形状的数组并随机传播它 来自
上均匀分布的样本。[0, 1)
>>> import numpy as np
>>> np.random.rand(2,3)
array([[ 0.22568268, 0.0053246 , 0.41282024],
[ 0.68824936, 0.68086462, 0.6854153 ]])
使用
np.random.randint()np.random.random_integers()random_matrix = np.random.randint(min_val,max_val,(<num_rows>,<num_cols>))
看起来您正在使用 Python 实现 Coursera 机器学习神经网络练习。这是我为 randInitializeWeights(L_in, L_out) 所做的
#get a random array of floats between 0 and 1 as Pavel mentioned
W = numpy.random.random((L_out, L_in +1))
#normalize so that it spans a range of twice epsilon
W = W * 2 * epsilon
#shift so that mean is at zero
W = W - epsilon
为了创建随机数数组，NumPy 提供了使用以下方法创建数组的功能：
实数
整数
用于使用随机实数创建数组： 有2个选择
随机.rand
import numpy as np
arr = np.random.rand(row_size, column_size)
随机.randn
import numpy as np
arr = np.random.randn(row_size, column_size)
用于使用随机整数创建数组：
import numpy as np
numpy.random.randint(low, high=None, size=None, dtype='l')
哪里
例如：
给定的示例将生成一个 0 到 4 之间的随机整数数组，其大小为 5*5，有 25 个整数
arr2 = np.random.randint(0,5,size = (5,5))
arr2 = np.random.randint(0,5,size = (5,5))，将乘号*改为逗号,#
[[2 1 1 0 1][3 2 1 4 3][2 3 0 3 3][1 3 1 0 0][4 1 2 0 1]]
eg2：
给定的示例将生成一个 0 到 1 之间的随机整数数组，其大小为 1*10，并且有 10 个整数
arr3= np.random.randint(2, size = 10)
[0 0 0 0 1 1 0 0 1 1]
首先，创建
numpymatriximport numpy
B = numpy.random.random((3, 4)) #its ndArray
C = numpy.matrix(B)# it is matrix
print(type(B))
print(type(C))
print(C)
x = np.int_(np.random.rand(10) * 10)
对于 10 个随机数。对于 20 个随机数，我们必须乘以 20。
当你说“随机数矩阵”时，你可以使用 numpy 作为 Pavel https://stackoverflow.com/a/15451997/6169225 上面提到的，在这种情况下我假设你与什么分布无关这些（伪）随机数遵循。
但是，如果您需要特定的分布（我想您对均匀分布感兴趣），
numpy.randomnumpy.random.uniform(low,high,(3,2))
注意，您可以将
uniform进一步阅读：https://docs.scipy.org/doc/numpy/reference/routines.random.html
创建随机整数数组的一个简单方法是：
matrix = np.random.randint(maxVal, size=(rows, columns))
以下输出由 0 到 10 之间的随机整数组成的 2 x 3 矩阵：
a = np.random.randint(10, size=(2,3))
random_matrix = [[random.random for j in range(collumns)] for i in range(rows)
for i in range(rows):
print random_matrix[i]
使用map-reduce的答案：-
map(lambda x: map(lambda y: ran(),range(len(inputs[0]))),range(hiden_neurons))
numpy.random.rand(row, column) 根据给定的指定 (m,n) 参数生成 0 到 1 之间的随机数。因此，用它创建一个 (m,n) 矩阵，并将该矩阵乘以范围限制，并将其与上限相加。
分析：如果产生 0，则仅保持下限，如果产生 1，则仅保持上限。换句话说，使用 rand numpy 生成限制，您可以生成所需的极端数字。
import numpy as np
high = 10
low = 5
m,n = 2,2
a = (high - low)*np.random.rand(m,n) + low
输出：
a = array([[5.91580065, 8.1117106 ],
[6.30986984, 5.720437 ]])
#this is a function for a square matrix so on the while loop rows does not have to be less than cols.
#you can make your own condition. But if you want your a square matrix, use this code.
import random
import numpy as np
def random_matrix(R, cols):
matrix = []
rows = 0
while rows < cols:
N = random.sample(R, cols)
matrix.append(N)
rows = rows + 1
return np.array(matrix)
print(random_matrix(range(10), 5))
#make sure you understand the function random.sample