はじめに
どんな問題を解決するか
シミュレーション、ゲーム、サンプリング、テストにはすべて乱数が必要です。テストや授業では、結果を確かめて繰り返せるように、実行のたびに同じ「乱数」がほしいこともあります。
身近なたとえ
シード付きの乱数生成器は、10面のサイコロを振る機械のようなものです。振り始める前に、自分で決めた番号を機械にセットします。同じ番号(シード)をセットすれば、何度実行してもまったく同じ順番で目が出ます。シードを変えれば、出る目の並びも変わります。ふつうのサイコロと同じで、同じ目が2回出ることもあります。
サイコロを振る機械からコードへ
default_rng(seed=42)🎛️ 機械の番号を 42 にセットするintegers(low=1, high=11, size=5)🎲 1 から 10 までの数を5回振るhigh=11🚫 high の値そのものは出ないvalues📋 [1 8 7 5 5]、何度実行しても同じひと言でいうと
乱数生成器はランダムに見える値を作ります。シードを与えると毎回同じ並びを作るので、結果を再現できます。
重要なポイント
np.random.default_rng(seed=42)はシードを固定した生成器を作ります。integers(low=1, high=11, size=5)は1から10の整数を5つ引きます。highは含まれないので、11は引かれません。- シードがあるので
valuesは毎回[1 8 7 5 5]です。シードがなければ変わります。
どんな場面で使う?
- サイコロゲームやランダムウォークなどのシミュレーション。
- データサイエンスでのランダムなサンプルや訓練・テストの分割。
- シードを固定して再現可能なテストや例を作る。
使わなくてよいとき
- パスワード、トークンなどセキュリティに関わるもの:
secretsモジュールを使います。 - 普通の Python で1回だけランダムに選ぶ場合:
randomモジュールで十分です。
サンプルコード
main.py
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)
実行結果
[1 8 7 5 5]
コードの解説
np.random.default_rng(seed=42)はGeneratorオブジェクトを作ります。これが現在NumPyで推奨されている方法です。integers(low=1, high=11, size=5)は1から10までの整数を5個作ります。highの値は含まれないためです。シードが固定されているので、毎回同じ結果[1 8 7 5 5]になります。
値を変更し、PythonをインストールせずにCodeUtilityオンラインPythonコンパイラで実行できます。
発展問題
下のヒントにしたがってコードを書き換えてみましょう。自分で変えて結果を確かめると、コードを読むだけよりずっと深く理解できます。
- 入力配列の形状(shape)とデータ型(dtype)を変える。
- 負の数、小数、欠損値で試す。
- もっと大きな多次元配列に同じ操作をして、実行時間を測る。
よくある間違い
high が含まれると思う
integers(1, 10) は決して10を返しません。
問題
generator.integers(low=1, high=10, size=5) # 1 to 9
修正
generator.integers(low=1, high=11, size=5) # 1 to 10
このレッスンを終えましたか?
学習済みにすると進み具合を記録できます。
進み具合はこのブラウザーに保存されています ログインすると、どのデバイスでも引き継げます。
チャレンジで練習する
このレッスンの内容を使って実際の問題を解きましょう。各チャレンジはブラウザで動き、すぐにテストされ、AI のレビューも受けられます。
- ε-greedy による多腕バンディット ε-greedy な行動選択で、多腕バンディットの探索と活用のバランスを取ります。 簡単
- 温度と Top-K によるサンプリング 言語モデルと同じように、上位 k 個のロジットを残し、温度を適用してから次のトークンをサンプリングします。 中級