สร้างตัวเลขสุ่มด้วย NumPy
ในบทเรียนนี้ คุณจะสร้างจำนวนเต็มสุ่มที่ทำซ้ำได้ด้วยตัวสร้าง Generator ของ NumPy
บทนำ
ปัญหาที่ต้องแก้
การจำลองสถานการณ์ เกม การสุ่มตัวอย่าง และการทดสอบ ล้วนต้องใช้ตัวเลขสุ่ม แต่สำหรับการทดสอบและการสอน เรามักอยากได้ตัวเลขสุ่มชุดเดิมทุกครั้งที่รัน เพื่อให้ตรวจผลและทำซ้ำได้
ลองนึกภาพแบบนี้
ตัวสุ่มเลขที่กำหนด seed ไว้ เหมือนเครื่องทอยลูกเต๋า 10 หน้าที่เริ่มต้นจากเลขที่เราตั้งเอง ถ้าตั้งเลขเริ่มต้น (seed) เหมือนเดิม เครื่องจะทอยออกมาเป็นชุดเดิมเป๊ะทุกครั้ง ถ้าเปลี่ยน seed ชุดตัวเลขก็จะเปลี่ยนไป และเหมือนลูกเต๋าทั่วไป เลขเดียวกันออกซ้ำได้
default_rng(seed=42)🎛️ ตั้งเลขเริ่มต้นของเครื่องเป็น 42integers(low=1, high=11, size=5)🎲 ทอยเลขห้าตัว ตั้งแต่ 1 ถึง 10high=11🚫 ค่า high เองจะไม่มีวันถูกทอยออกมาvalues📋 [1 8 7 5 5] ได้แบบนี้ทุกครั้งที่รันตัวสร้างตัวเลขสุ่ม (random number generator) ให้ค่าที่ดูเหมือนสุ่ม ถ้ากำหนด seed (ค่าตั้งต้น) ให้ ตัวสร้างจะให้ลำดับเดิมทุกครั้ง ผลลัพธ์จึงทำซ้ำได้
ประเด็นสำคัญ
np.random.default_rng(seed=42)สร้างตัวสร้างที่มี seed คงที่integers(low=1, high=11, size=5)จั่วจำนวนเต็มห้าตัวจาก 1 ถึง 10- ค่า
highไม่นับรวมด้วย 11 จึงไม่มีทางถูกจั่ว - เพราะมี seed
valuesจึงเป็น[1 8 7 5 5]ทุกครั้งที่รัน ถ้าไม่มี seed ค่าจะเปลี่ยนทุกครั้ง
ใช้เมื่อไร?
- การจำลองสถานการณ์ เช่น เกมทอยลูกเต๋า หรือ random walk (การเดินสุ่ม)
- การสุ่มตัวอย่าง และการแบ่งข้อมูล train/test ใน data science
- การทดสอบและตัวอย่างที่ต้องได้ผลเหมือนเดิมทุกครั้ง โดยกำหนด seed ให้คงที่
เมื่อไรยังไม่จำเป็น
- รหัสผ่าน token หรืออะไรก็ตามที่เกี่ยวกับความปลอดภัย: ใช้โมดูล
secretsแทน - สุ่มเลือกแค่ครั้งเดียวใน Python ธรรมดา: ใช้โมดูล
randomก็พอ
โค้ดตัวอย่าง
import numpy as np
generator = np.random.default_rng(seed=42)
values = generator.integers(low=1, high=11, size=5)
print(values)
ผลลัพธ์จากการรัน
[1 8 7 5 5]
อธิบายโค้ด
ฟังก์ชัน np.random.default_rng(seed=42) สร้างออบเจกต์ Generator ซึ่งเป็นวิธีที่ NumPy แนะนำในปัจจุบัน เมธอด integers(low=1, high=11, size=5) สร้างจำนวนเต็ม 5 ตัวตั้งแต่ 1 ถึง 10 เพราะไม่รวมค่า high เมื่อซีดตายตัว ทุกครั้งที่รันจะได้ผลเหมือนเดิม คือ [1 8 7 5 5]
เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python
แบบฝึกหัดเพิ่มเติม
ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก
- เปลี่ยนรูปร่าง (shape) และชนิดข้อมูล (dtype) ของอาร์เรย์อินพุต
- ทดสอบกับเลขติดลบ ทศนิยม และค่าที่หายไป
- ใช้การคำนวณเดียวกันกับอาร์เรย์หลายมิติที่ใหญ่ขึ้นและจับเวลา
ข้อผิดพลาดที่พบบ่อย
คิดว่า high นับรวมด้วย
integers(1, 10) ไม่มีวันส่งกลับค่า 10
generator.integers(low=1, high=10, size=5) # 1 to 9
generator.integers(low=1, high=11, size=5) # 1 to 10
เรียนบทนี้จบแล้วใช่ไหม
ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า
ฝึกด้วยโจทย์
ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI
- Multi-armed bandit แบบ epsilon-greedy สร้างสมดุลระหว่างการสำรวจและการใช้ประโยชน์ใน multi-armed bandit ด้วยการเลือกการกระทำแบบ epsilon-greedy ง่าย
- การสุ่มด้วย temperature และ top-k เลือก token ถัดไปแบบโมเดลภาษา: เก็บ logit สูงสุด k ตัว ใช้ temperature แล้วสุ่ม ปานกลาง