Python中使用numpy.random.randn()生成服从高斯分布的随机样本矩阵

numpy.random.randn()函数是numpy库中的一个生成服从标准正态分布（均值为0，标准差为1）的样本的函数。它返回一个由所需形状的随机数构成的矩阵，矩阵中的每个元素都是从标准正态分布中随机抽取的。

下面是一个例子，展示了如何使用numpy.random.randn()生成服从高斯分布的随机样本矩阵。

import numpy as np

# 设置种子值以获得可重复的结果
np.random.seed(0)

# 指定生成随机样本的形状
shape = (3, 3)

# 生成服从高斯分布的随机样本矩阵
random_matrix = np.random.randn(*shape)

print("随机样本矩阵:")
print(random_matrix)

输出结果如下所示：

随机样本矩阵:
[[ 1.76405235  0.40015721  0.97873798]
 [ 2.2408932   1.86755799 -0.97727788]
 [ 0.95008842 -0.15135721 -0.10321885]]

在这个例子中，我们使用了numpy库的random模块中的randn函数来生成一个形状为(3, 3)的随机样本矩阵。其中，\*shape用来将元组(shape)中的元素解包为函数的参数。

我们还通过np.random.seed(0)设置了随机数生成器的种子值，以确保每次运行代码时都会生成相同的随机样本。

最后，我们使用print函数打印了生成的随机样本矩阵。该矩阵的每个元素都是从标准正态分布中独立地随机抽取的。

需要注意的是，生成的随机样本矩阵并不是完全精确地符合标准正态分布，因为它是通过有限数量的样本来近似表示的。但是，在实践中，这种近似通常足够准确。如果需要更高的准确性，可以使用样本数量更大的矩阵。

以上就是使用numpy.random.randn()生成服从高斯分布的随机样本矩阵的一个例子。希望能对你有帮助！