Olá poderia me tirar uma duvida, sobre esse comando np.random.seed(4587), sempre terei q utilizar na hora de criar as previsões ? caso é necessário poderia me explicar mas sobre pq este numero
Você está vendo a versão anterior da nova experiência da Alura que estamos preparando para você. Em breve, ela ganha uma identidade visual novinha totalmente pensada em potencializar seus estudos!
Solucionado
Olá poderia me tirar uma duvida, sobre esse comando np.random.seed(4587), sempre terei q utilizar na hora de criar as previsões ? caso é necessário poderia me explicar mas sobre pq este numero
Ooi, Rodrigo! Como vai?
O comando np.random.seed(4587) é utilizado para tornar os resultados reproduzíveis. Isso significa que, sempre que você executar o seu código, você obterá os mesmos resultados.
Vamos começar “desmembrando” esse comando:
O módulo random da biblioteca NumPy foi usado por conter conter funções para gerar números aleatórios e realizar operações relacionadas à aleatoriedade. Já a função seed do módulo random foi usada para definir a semente do gerador de números aleatórios.
Para que você possa entender melhor, vamos supor que você está treinando um modelo de Machine Learning e precisa gerar números aleatórios para começar o treinamento. Se você não usar np.random.seed(), o Python irá gerar números aleatórios diferentes a cada vez que você rodar o código.
→ Isso pode fazer com que o seu modelo produza resultados diferentes a cada execução.
O número 4587 é um exemplo de valor que você pode escolher para definir a "semente" do gerador de números aleatórios. Esse número é apenas um exemplo; você pode escolher qualquer número inteiro. O importante é usar o mesmo número sempre que você quiser garantir que os resultados sejam consistentes.
Algumas outras alternativas para gerar números aleatórios em Python são:
→ Biblioteca secrets
Utilizada para gerar números aleatórios criptograficamente seguros. Usada quando você precisa de segurança adicional, como em senhas ou tokens.
import secrets
print(secrets.randbelow(100)) # Gera um número aleatório inteiro menor que 100
→ Biblioteca numpy com diferentes métodos
Oferece outros métodos para gerar números aleatórios e manipular a semente.
import numpy as np
rng = np.random.default_rng(4587) # Cria um gerador com uma semente
print(rng.random(3)) # Gera três números aleatórios
→ Biblioteca tensorflow
A biblioteca TensorFlow também permite a geração de números aleatórios por meio do controle de uma semente.
import tensorflow as tf
tf.random.set_seed(4587) # Define a semente
print(tf.random.uniform([3])) # Gera três números aleatórios entre 0 e 1
→ Biblioteca torch (PyTorch)
Em PyTorch, você pode definir a semente para garantir a reprodutibilidade dos resultados.
import torch
torch.manual_seed(4587) # Define a semente
print(torch.rand(3)) # Gera três números aleatórios
→ O uso dessas bibliotecas vai depender muito das suas necessidades. Por enquanto, recomendo que você foque em internalizar os conhecimentos sobre o comando que
Espero ter ajudado!
Abraço!
Muito obrigado, ficou claro, entendido
Que legal, Rodrigo! Fico feliz!
Sucesso nos estudos!
Abraço! :)