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
|
8月前
|
机器学习/深度学习 数据挖掘 Python
时序数据的分类及质心的计算
时序数据的分类及质心的计算
116 0
|
17天前
|
机器学习/深度学习 数据可视化 数据挖掘
基于Copula分布的合成数据采样:保持多维数据依赖结构的高效建模方法
本文深入探讨了Copula的基础理论、运作机制及其在数据科学领域的应用。Copula作为一种数学框架,能够将随机变量间的依赖关系与其边际分布分离,特别适用于处理非线性依赖关系或异质分布变量。文章通过年龄与收入的关系分析,展示了Copula在多元分析中的独特优势,并介绍了高斯Copula的具体应用实例。此外,还详细讲解了Copula在合成数据生成中的应用,验证了合成数据在训练机器学习模型时的有效性。
79 18
|
8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
|
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)
304 0
|
8月前
|
编解码 算法 数据可视化
【视频】时间序列分类方法:动态时间规整算法DTW和R语言实现
【视频】时间序列分类方法:动态时间规整算法DTW和R语言实现
|
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
867 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
|
8月前
|
传感器 XML 数据处理
Landsat Collection 2 T1一级数据详细介绍(数据处理过程和几何精度)
Landsat Collection 2 T1一级数据详细介绍(数据处理过程和几何精度)
96 0
|
存储 数据可视化 Python
数据的预处理基础:如何处理缺失值(一)
数据的预处理基础:如何处理缺失值(一)
295 0
数据的预处理基础:如何处理缺失值(一)
|
8月前
|
算法 数据挖掘 C#
C# | 线性回归算法的实现,只需采集少量数据点,即可拟合整个数据集
什么是线性回归呢? 简单来说,线性回归是一种用于建立两个变量之间线性关系的统计方法。在我们的软件开发中,线性回归可以应用于数据分析、预测和优化等领域。 什么情况下会用到线性回归呢? 线性回归可以用于探索数据之间的关系,可以用于预测未来的趋势。通过少量的数据点就能得到一个可以代表整个数据集的模型。换句话说,只需要采集少量的数据点,就可以拟合出整个数据集。
307 0
|
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
167 0