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。

相关问题

x = np.random.randn(100) ax = sns.displot(x) x = np.random.randn(100) ax = sns.displot(x) x = np.random.randn(100) ax = sns.displot(x) x = np.random.randn(100) ax = sns.displot(x) x = np.random.randn(100)ax = sns.displot(x) 写到pycharm里，pycharm为什么不出现图

在PyCharm中，你需要使用`plt.show()`来显示图形。添加这一行代码后，你的图形应该能够在PyCharm中正确显示。请尝试将以下代码添加到你的脚本中：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_theme()
np.random.seed(0)

x = np.random.randn(100)
ax = sns.displot(x)
plt.show()

x = np.random.randn(100)
ax = sns.displot(x)
plt.show()

x = np.random.randn(100)
ax = sns.displot(x)
plt.show()

x = np.random.randn(100)
ax = sns.displot(x)
plt.show()

x = np.random.randn(100)
ax = sns.displot(x)
plt.show()

这样你就可以在PyCharm中看到生成的图形了。如果还有其他问题，请随时提问！

python中random.seed与np.random.seed区别

在Python中，random.seed()和np.random.seed()都是用来设置随机数生成器的种子，但它们有一些区别。引用指出，random.seed()和np.random.seed()有完全独立的内部状态，所以random.seed()不会影响random.random()生成的随机序列，同样，np.random.seed()也不会影响numpy.random.randn()等函数生成的随机序列。如果你的代码中同时使用了random和numpy.random，那么你需要分别设置两者的种子。所以，如果你在scikit-learn中使用了numpy.random作为随机数生成器，那么应该使用np.random.seed()而不是random.seed()，如引用所述。这是因为scikit-learn使用了numpy.random作为其随机数生成器。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [random.seed np.random.seed区别](https://blog.csdn.net/weixin_37198422/article/details/121948930)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]