Python中的random.uniform行到底是做什么的？

Question

我正在關注Andrew Cross在此處使用Python中的隨機森林的教程 。 我得到的代碼可以很好地運行，並且在大多數情況下我了解輸出。 但是，我不確定這行到底是做什么的：

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

我知道它“在0和1之間創建（隨機）均勻分布，並將3/4的數據分配在訓練子集中。” 但是，訓練子集並不總是恰好是子集的3/4。 有時它較小，有時它較大。 那么，是否選擇了大約75％的隨機大小子集？ 為什么不讓它始終達到75％？

Answer 1

它不會將3/4的數據分配給訓練子集中。
它將數據在訓練子集中的概率分配為3/4 ：

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

• 在第一個示例中，數據的80％位於訓練子集中
• 100％-在第二個
• 70％-第三名

平均應為75％。

Answer 2

np.random.uniform(0, 1, len(df))創建一個len(df)隨機數數組。
<= .75然后創建另一個數組，該數組包含與條件匹配的True和在其他位置為False數組。
然后，代碼使用找到True索引中的數據。 由於隨機分布是...很好，是隨機的，您將無法獲得准確的75％的值。

Answer 3

如果您想更嚴格地選擇總是非常接近75％的訓練集，則可以使用如下代碼：

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

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

在您的示例中：

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