np.random.seed(0)，np.random.seed(42)和np.random.seed(..any number)之间有什么区别。括号中数字的作用是什么？
答案 0 :(得分：1)
那将是生成器的开始键。通常，如果您想获得可重现的结果，则将在整个模拟过程中反复使用相同的种子。
答案 1 :(得分：1)
python使用迭代Mersenne Twister算法生成pseudo-random numbers [1]。 seed就是我们开始迭代的地方。
需要明确的是，大多数计算机没有随机的“真实”来源。有趣的是，“随机性”对于许多应用程序是如此重要，并且很难实现（您可以购买专门用于此目的的specialized device）。由于很难生成随机数，但是仍然需要随机数，因此已经开发了许多很多算法来生成不是随机的数字，但是尽管如此，是。生成"look randomish"的数字的算法称为伪随机数生成器（PRNG）。由于PRNG实际上是确定性的，因此它们不能简单地从以太币中创建一个数字并使其看起来随机。他们需要一个 input 。事实证明，使用一些复杂的运算和模块化算术，我们可以接收一个输入，并获得另一个似乎与输入几乎没有关系的数字。使用这种直觉，我们可以简单地将PRNG的先前输出用作下一个输入。然后，我们得到了一个数字序列，如果我们的PRNG很好，它们似乎将彼此没有关系。
为了开始我们的迭代PRNG，我们需要一个初始输入。此初始输入称为“种子”。由于PRNG是确定性的，因此对于给定的种子，它将生成相同的数字序列。通常，默认种子本身就是某种随机种子。最常见的是当前时间。但是，当前时间不是一个很好的随机数，因此cause problems有时知道此行为。如果希望您的程序在每次运行时都以相同的方式运行，则可以提供一个种子（0是一个受欢迎的选项，但完全是任意的）。然后，您会得到一个随机数序列，但是如果您将代码提供给某人，他们实际上可以完全重新创建该程序的运行时，就像您在运行该程序时所看到的那样。
答案 2 :(得分：0)
您正在设置随机数生成器的种子，以便获得可重复的结果。例子。
np.random.seed(0)
np.random.randint(0,100,10)
输出：
array([44, 47, 64, 67, 67, 9, 83, 21, 36, 87])
现在，如果您在计算机上运行相同的代码，则应该从0到100的随机整数中获得相同的10个数字输出。