4.9.1 데이터 창조의 마법사: 난수(Random)와 확률 모형

4.9.1 numpy의 난수와 다양한 함수

[수학적 의미: 통계학과 카오스 이론의 모방] 지금까지 우리는 항상 정해진 답(결정론적 방정식)만 탐구해 왔습니다. 하지만 자연계 현상이나 주사위 던지기, 주식 시장의 그래프처럼 불확실성(Uncertainty)으로 가득 찬 데이터를 분석하려면 통계학과 확률 모형이 필요합니다.

[비유로 이해하기: 게임 속 강화 확률과 주사위 굴리기] 게임에서 아이템 강화 성공이나 몬스터 드랍률 같은 “확률적 파라미터(Weight)”를 딥러닝 인공지능이 초기 학습할 때 필수로 뿌리게 됩니다. Numpy의 random 모듈 삼 형제가 이 무작위 배열 생성 역할을 완벽하게 수행합니다.

• random(): 0~1 사이의 치우침 없는 실수 난수를 뽑습니다 (균등 분포, 뽑기 확률 설정용).
• standard_normal(): 평균 0, 표준편차 1인 종 모양 그래프에서 진짜 자연스러운 오차 데이터를 뽑아냅니다 (표준정규분포, 딥러닝 가중치 초기화용).
• integers(): 특정 범위 안에서 정수형 주사위를 굴립니다 (보드게임이나 정수 인덱스 무작위 추출용).

① 난수 제너레이터

넘파이에서 제공하는 numpy.random.default_rng는 난수를 만드는 생성기(generator)의 생성자(constructor)이며, 여기서 마지막 이름 rng는 난수 생성기 RNG(Random Number Generator)이다. 난수 생성기는 PCG64로 O’Neill의 순열 합동 생성기를 128비트로 구현한 것이다. PCG64는 double 형의 난수와 부호 없는 32비트 및 64비트 정수를 생성하는 함수이다.

다음 코드로 실수 난수를 만드는 제너레이터를 하나 생성할 수 있다. 인자 12345는 비트제너레이터(BitGenerator)를 초기화하는 시드(seed) 값이다. 시드 값이 같으면 순서에 따라 난수가 발생하는 값이 동일하다.

import numpy as np

rg = np.random.default_rng(12345)
rg

출력:

Generator(PCG64) at 0x...

② 난수 제너레이터의 함수 random(), integers()

위 코드로 만든 제너레이터 변수 rg의 함수 random()을 호출하면 [0, 1) 사이의 실수(0에서 1 미만) 난수를 하나 생성할 수 있다.

# 4.7.1 Generate one random float uniformly distributed over the range [0, 1)
r = rg.random()
r

출력:

0.22733602246716966

다음 코드로 난수 5개를 생성한다.

rg.random(5)

출력:

array([0.94888115, 0.66723745, 0.09589794, 0.44183967, 0.88647992])

다음 코드로 [0, 1) 사이의 실수 난수 모양 (4, 3)의 2차원 배열이 생성된다.

rg.random((4, 3))

출력:

array([[0.6974535 , 0.32647286, 0.73392816],
       [0.22013496, 0.08159457, 0.1598956 ],
       [0.34010018, 0.46519315, 0.26642103],
       [0.8157764 , 0.19329439, 0.12946908]])

함수 rg.integers(low=0, high=10, size=3)의 호출로 0에서 9까지의 정수 난수를 3개 만든다.

import numpy as np

rg = np.random.default_rng(12345)

r = rg.integers(low=0, high=10, size=3)
r

출력:

array([0, 2, 4], dtype=int64)

키워드 인자가 아닌 위치 인자로 rg.integers(1, 7, (3, 4)) 코드로도 생성할 수 있다.

rg.integers(1, 7, (3, 4))

출력:

array([[5, 6, 4, 4],
       [2, 6, 4, 5]])

③ 난수 제너레이터의 함수 standard_normal()

제너레이터 변수 rg의 함수 standard_normal(10)을 호출하면 표준정규분포(standard normal distribution)의 실수 난수를 10개 생성한다.

import numpy as np

rg = np.random.default_rng(seed=42)

rg.standard_normal(10)

출력:

array([ 0.30471708, -1.03998411,  0.7504512 ,  0.94056472, -1.95103519,
       -1.30217951,  0.1278404 , -0.31624259, -0.01680116, -0.85304393])

다음 코드의 인자 (4, 3)은 배열의 모양(shape)으로 표준정규분포 난수 4행 3열의 2차원 배열을 생성한다.

rg.standard_normal((4, 3))

출력:

array([[ 0.87939797,  0.77779194,  0.0660307 ],
       [ 1.12724121,  0.46750934, -0.85929246],
       [ 0.36875078, -0.9588826 ,  0.8784503 ],
       [-0.04992591, -0.18486236, -0.68092954]])