np.random.choice

np.random.choice 是一个 NumPy 函数，它可以从一个序列中随机地选择一个元素。你可以指定要从中选择的元素个数，并且可以指定一个概率分布来决定每个元素被选中的概率。

例如，假设你有一个列表 `items = [1, 2, 3, 4, 5]`，你可以使用以下代码随机地选择一个元素：

import numpy as np

selected_item = np.random.choice(items)

你也可以选择多个元素，例如：

selected_items = np.random.choice(items, size=3)

或者你可以指定一个概率分布，例如：

probs = [0.1, 0.2, 0.3, 0.4, 0.5]
selected_item = np.random.choice(items, p=probs)

在这种情况下，第一个元素被选中的概率是 10%，第二个元素被选中的概率是 20%，依此类推。

相关问题

np.random.choice np.arange

np.random.choice是numpy库中的一个函数，用于从给定的一维数组中随机抽取元素。该函数可以接受多种参数，例如可以指定抽取的元素个数、是否允许重复抽取、每个元素被抽取的概率等等。在引用中的例子中，np.random.choice被用来从一个名为demo_list的数组中随机抽取元素，并将抽取结果以指定的形状（3行3列）返回。

np.arange是numpy库中的一个函数，用于创建一个一维数组，其中包含指定范围内的所有整数。该函数可以接受多种参数，例如可以指定起始值、终止值、步长等等。例如，np.arange(0, 10, 2)将返回一个包含0、2、4、6、8的一维数组。

np.random.seed(1) N = 100 D = 2 X = np.random.randn(N, D) y = np.random.choice([-1, 1], size=N)

这段代码使用了 NumPy 库，首先通过设置随机种子为 1，生成了一个形状为 (100, 2) 的二维数组 X，其中每个元素都是从标准正态分布中随机抽取得到的。然后通过 np.random.choice 函数在 [-1, 1] 中随机选择 N 个数，作为标签 y。最终得到了一个包含 N 个样本和 D 个特征的数据集。