DataScience:数据生成之在原始数据上添加小量噪声进而实现构造新数据

简介: DataScience:数据生成之在原始数据上添加小量噪声进而实现构造新数据


目录

数据生成之在原始数据上添加小量噪声进而实现构造新数据

输出结果

设计思路


相关文章

DataScience:数据生成之在原始数据上添加小量噪声进而实现构造新数据

DataScience:数据生成之在原始数据上添加小量噪声进而实现构造新数据实现

数据生成之在原始数据上添加小量噪声进而实现构造新数据

输出结果

1. [6.8, 7.0, 7.2, 7.8, 8.0, 8.2, 8.4, 8.6, 8.8, 9.0]
2. [7.2, 7.0, 7.0, 7.4, 8.2, 8.0, 8.0, 8.8, 8.8, 9.2]

1. [60, 65, 70, 75, 80, 85, 90, 95]
2. [63.88, 65, 68.06, 71.12, 81.94, 83.06, 86.12, 96.94]

设计思路

1. import numpy as np
2.     lists_avg = np.mean(lists_temp)
3.     mid_float = round(lists_avg/20,3)
4. #     print(lists_avg,mid_float)
5. 
6.     lists_f = [-mid_float*2,-mid_float,-mid_float, 0,0,0, mid_float,mid_float,2*mid_float,3*mid_float]
7.     lists_float = [round(a,2) for a in lists_f]
8. #     print(lists_float)
9. 
10.     one_f = random.sample(lists_float, 1)[0]
11. #     print(one_f)
12. 
13. 
14.


相关文章
|
6月前
|
机器学习/深度学习 数据可视化 算法
数据处理方法—— 7 种数据降维操作 !!
数据处理方法—— 7 种数据降维操作 !!
209 0
|
2月前
|
机器学习/深度学习 数据挖掘
数据特征
数据特征
72 1
|
6月前
|
算法 数据可视化 Python
【视频】逆变换抽样将数据标准化和R语言结构化转换:BOX-COX、凸规则变换方法
【视频】逆变换抽样将数据标准化和R语言结构化转换:BOX-COX、凸规则变换方法
|
6月前
stata对包含协变量的模型进行缺失值多重插补分析
stata对包含协变量的模型进行缺失值多重插补分析
|
6月前
|
机器学习/深度学习 运维 算法
【视频】检测异常值的4种方法和R语言时间序列分解异常检测
【视频】检测异常值的4种方法和R语言时间序列分解异常检测
|
机器学习/深度学习 数据采集 存储
【机器学习6】数据预处理(三)——处理类别数据(有序数据和标称数据)
【机器学习6】数据预处理(三)——处理类别数据(有序数据和标称数据)
278 0
|
数据采集 机器学习/深度学习 算法
②数据预处理之数据清理,数据集成,数据规约,数据变化和离散化
数据预处理之数据清理,数据集成,数据规约,数据变化和离散化
809 0
②数据预处理之数据清理,数据集成,数据规约,数据变化和离散化
|
机器学习/深度学习 数据采集 搜索推荐
特征构造:从原始数据中创造出高效信息
特征构造:从原始数据中创造出高效信息
152 0
|
机器学习/深度学习 算法
在对数据进行预处理时,怎样处理类别型特征?
在对数据进行预处理时,怎样处理类别型特征?
|
机器学习/深度学习 算法 开发者
特征生成(特征创建)
特征生成(特征创建)