Question

我跟随tutorial here from Andrew Cross关注在Python中使用随机森林。我得到了运行良好的代码，并且在大多数情况下我理解输出。但是，我不确定这条线到底是做什么的：

df['is_train'] = np.random.uniform(0, 1, len(df)) <= .75

我知道它会在0和1之间创建（随机）均匀分布，并将3/4的数据分配到训练子集中。＆＃34;但是，训练子集并不总是正好是子集的3/4。有时它更小，有时更大。那么选择的随机大小子集大约是75％吗？为什么不让它总是75％？

Answer 1

它不会将3/4数据分配到训练子集中它将训练子集中数据的概率指定为3/4：

示例：

>>> import numpy as np
>>> sum(np.random.uniform(0, 1, 10) < .75)
8
>>> sum(np.random.uniform(0, 1, 10) < .75)
10
>>> sum(np.random.uniform(0, 1, 10) < .75)
7

80％的数据位于第一个示例中的训练子集中
100％ - 在第二个
70％ - 在第3名。

平均而言，它应该是75％。

Answer 2

np.random.uniform(0, 1, len(df))创建一个len(df)个随机数组 <= .75然后创建另一个包含True的数组，其中数字与该条件匹配，而False则在其他地方。然后，代码使用找到True的索引中的数据。由于随机分布是......好的，随机的，你不会得到75％的值。

Answer 3

如果你想更严格地随机选择训练集总是非常接近75％，你可以使用这样的代码：

d = np.random.uniform(0, 1, 1000)
p = np.percentile(d, 75)

print(np.sum(d <= p))   # 750
print(np.sum(d <= .75)) # 745

在你的例子中：

d = np.random.uniform(0, 1, len(df))
p = np.percentile(d, 75)
df['is_train'] = d <= p

Python中的random.uniform行究竟是做什么的？

3 个答案: