Pythonで重み付け付きランダムサンプル作成 random.choice活用｜自作で機械学習モデル・AIの使い方を学ぶ

Pythonのrandom.choiceとは

Pythonのrandomモジュールには、ランダムな値を生成するための関数がいくつかあります。その中でも、random.choice関数は、リストやタプルの要素からランダムに1つ選択する関数です。以下はその使い方の例です。

import random
fruits = ['apple', 'orange', 'banana', 'grape', 'kiwi']
selected_fruit = random.choice(fruits)
print(selected_fruit)

この場合、fruitsリストの中からランダムに1つ選ばれ、selected_fruitに代入されます。

random.choice関数は、シンプルで使いやすい関数ですが、この関数だけでは、重み付け付きのランダムサンプルを作成することはできません。そこで、重み付け付きのランダム選択の基本的な考え方について説明します。

重み付け付きランダム選択の基本的な考え方

重み付け付きランダム選択とは、ある要素に対して、その出現確率を重み付けで調整してランダムに選択することです。例えば、あるアンケートにおいて、男女比が3:7の場合、男性の回答が選ばれる確率は30%、女性の回答が選ばれる確率は70%となります。このように、出現確率を重み付けで調整することで、より正確なランダムサンプルを作成することができます。

random.choiceを使った重み付けなしのランダムサンプリングの方法

まずは、random.choice関数を使った重み付けなしのランダムサンプリングの方法を説明します。以下は、10個の整数からランダムに1つ選択するプログラムです。

import random
numbers = list(range(10))
selected_number = random.choice(numbers)
print(selected_number)

この場合、numbersリストの中からランダムに1つ選ばれ、selected_numberに代入されます。

random.choicesを使った重み付け付きのランダムサンプリングの方法

重み付け付きのランダムサンプリングを実現するためには、random.choices関数を使います。この関数は、要素とその重み付けのリストから、ランダムに1つ選択する関数です。以下はその使い方の例です。

import random
fruits = ['apple', 'orange', 'banana', 'grape', 'kiwi']
weights = [0.1, 0.2, 0.3, 0.2, 0.2]
selected_fruit = random.choices(fruits, weights)[0]
print(selected_fruit)

この場合、fruitsリストの要素と、それに対応する重み付けのリスト(weights)を指定して、ランダムに1つ選択します。上の例では、appleが10%、orangeが20%、bananaが30%、grapeが20%、kiwiが20%の確率で選択されます。

random.choiceとrandom.choicesの違い

random.choice関数とrandom.choices関数の違いは、random.choice関数は、リストやタプルの要素からランダムに1つ選択するのに対し、random.choices関数は、要素とその重み付けのリストからランダムに1つ選択する点です。重み付け付きのランダムサンプリングを行う場合には、random.choices関数を使う必要があります。

重み付け付きランダムサンプリングの応用例

重み付け付きランダムサンプリングは、様々な分野で応用されています。例えば、以下のような場合に使われます。

アンケート調査において、様々な属性をもつ回答者からランダムサンプルを作成する場合
機械学習において、データセットのバランスを調整するために、重み付け付きランダムサンプリングを行う場合
ゲームにおいて、アイテムドロップの確率を重み付けで調整する場合

まとめ

Pythonのrandomモジュールを使えば、重み付け付きのランダムサンプルを簡単に作成することができます。random.choice関数は、重み付けなしのランダムサンプリングに、random.choices関数は、重み付け付きのランダムサンプリングに使われます。重み付け付きランダムサンプリングは、様々な分野で使われており、より正確なランダムサンプルを作成するために欠かせないテクニックです。