파이썬 numpy.random.randn 함수 활용하기

NumPy random.randn 함수: 표준 정규 분포로부터 샘플링하기

파이썬의 NumPy 라이브러리는 데이터 과학과 기계 학습에서 필수적입니다. 그 중에서도 numpy.random.randn 함수는 표준 정규 분포에서 샘플을 생성할 수 있는 강력한 도구입니다. 이 포스팅에서는 numpy.random.randn 함수를 활용하는 방법과 몇 가지 예제를 소개하겠습니다.

numpy.random.randn 함수 소개

numpy.random.randn 함수는 주어진 형태(shape)에 따라 표준 정규분포(평균 0, 표준 편차 1)에서 난수 샘플을 생성합니다. 이것은 통계적 모델링, 시뮬레이션, 머신러닝 등 다양한 분야에서 유용하게 사용될 수 있습니다.

함수 시그니처

numpy.random.randn(d0, d1, ..., dn)

매개변수:

• d0, d1, ..., dn: 생성할 배열의 차원(size)을 정의하는 정수 값입니다. 전체 차원 수 만큼의 인수를 제공할 수 있습니다.

반환 값:

• 주어진 모양의 배열로 난수가 포함된 배열을 반환합니다.

사용 예제

기본 예제

다음은 numpy.random.randn 함수를 사용하여 1차원 배열에서 난수를 생성하는 기본 예제입니다.

import numpy as np

# 5개의 난수 생성
random_numbers = np.random.randn(5)

print("Generated Random Numbers:", random_numbers)
# 출력 예시:
# Generated Random Numbers: [ 0.34513256 -1.23451876  0.71234512  1.04740535 -0.98765432]

다양한 차원 예제

다음은 2차원 배열에서 난수를 생성하는 방법을 보여줍니다.

import numpy as np

# 3x4 형상의 2차원 배열 생성
random_matrix = np.random.randn(3, 4)

print("Generated Random Matrix:\n", random_matrix)
# 출력 예시:
# Generated Random Matrix:
# [[ 1.3052341   0.05823156 -0.47648932 -1.59854475]
#  [ 0.64312744  0.72450492 -2.54831235 -0.32012867]
#  [ 0.93850382 -0.78984231  1.78531809 -0.49271837]]

큰 배열 생성 예제

이제 더 큰 배열을 생성하여 샘플링을 수행하는 방법을 보여드리겠습니다.

import numpy as np

# 1000개의 난수 생성
large_random_array = np.random.randn(1000)

# 첫 10개 난수 출력
print("First 10 Random Numbers from large array:", large_random_array[:10])
# 출력 예시:
# First 10 Random Numbers from large array: [ 0.25357897 -0.74324255  0.99364112  1.47630477 -0.15613422  0.612345  ...]

결론

numpy.random.randn 함수는 표준 정규분포에서 난수를 생성하는 데 매우 유용합니다. 이를 통해 데이터 분석과 기계 학습 모델링에서 더 많은 가능성을 탐구할 수 있으며, 실제적이고 다양한 데이터 세트를 생성하는 데 큰 도움을 줄 것입니다.

• 난수를 통한 샘플링을 통해 데이터의 다양성을 높여보세요!
• 지금 바로 numpy.random.randn 함수를 활용하여 무궁무진한 가능성을 탐색해 보세요!