اذهب إلى المحتوى
  • 0

لماذا نستخدم تعليمة (np.random.seed(0 ؟

Maram Jouriah

السؤال

Recommended Posts

  • 2

إستعمال np.random.seed يجعل الأرقام العشوائية المولدة قابلة للتوقع (أو يمكن توليد نفس الأرقام العشوائية أكثر من مرة)، فعلى سبيل المثال الكود التالي سيخرج نفس النتيجة:

>>> import numpy as np
>>> np.random.seed(0) 
>>> print(np.random.permutation(10))
[2 8 4 9 1 6 7 3 0 5]
>>> np.random.seed(0) 
>>> print(np.random.permutation(10))
[2 8 4 9 1 6 7 3 0 5]

لاحظ أن نتيجة الأرقام العشوائية واحدة، وذلك لأننا قمنا بتشغيل (0)np.random.seed مرة أخرى. ويتم إستعمالها في الحالة التي لديك، لكي تظهر نفس النتيجة كل مرة تحاول تشغيل الـ notebook، لكن إن لم نستعملها ففي كل مرة يتم تشغيل الـ notebook ستكون النتيجة عشوائية تمام.

رابط هذا التعليق
شارك على الشبكات الإجتماعية

  • 1

سأرفق توضيح لماذا تعطي هذه التعليمة نفس النتيجة كما أخبرنا المدرب سامح:

ماذا تعني seed : كترجمة هي البذرة أو القيمة البدائية التي تأخذها دوال التوزيع العشوائي لبناء سلسلة أرقام عن طريق التعوص في معادلة لها صيغة ثابتة، مثلا:

x = seed

fx = 2 * x + 1

x = 0

fx1 = 2 * 0 + 1 = 1
fx2 = 2 * 1 + 1 = 2
fx3 = 2 * 2 + 1 = 5
fx4 = 2 * 5 + 1 = 11

في كل قيمة لتابع التوليد العشوائي يعتمد على قيمة إما ثابتة أو على القيمة التي نتجت من الاستدعاء السابق لذلك بتثبيت قيمة البذرة نحصل على نفس متسلسلة الأعداد دوماً.

يمكنك تمرير قيمة الوقت و سيعطي نتائج مختلفة لتغير البذرة .. 

رابط هذا التعليق
شارك على الشبكات الإجتماعية

انضم إلى النقاش

يمكنك أن تنشر الآن وتسجل لاحقًا. إذا كان لديك حساب، فسجل الدخول الآن لتنشر باسم حسابك.

زائر
أجب على هذا السؤال...

×   لقد أضفت محتوى بخط أو تنسيق مختلف.   Restore formatting

  Only 75 emoji are allowed.

×   Your link has been automatically embedded.   Display as a link instead

×   جرى استعادة المحتوى السابق..   امسح المحرر

×   You cannot paste images directly. Upload or insert images from URL.

  • إعلانات

  • تابعنا على



×
×
  • أضف...