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

  

   

    

     

    
    

     

      [6.8, 7.0, 7.2, 7.8, 8.0, 8.2, 8.4, 8.6, 8.8, 9.0]
     
    
   

    

     

    
    

     

      [7.2, 7.0, 7.0, 7.4, 8.2, 8.0, 8.0, 8.8, 8.8, 9.2]
     
    
  
 

  

   

    

     

    
    

     

      [60, 65, 70, 75, 80, 85, 90, 95]
     
    
   

    

     

    
    

     

      [63.88, 65, 68.06, 71.12, 81.94, 83.06, 86.12, 96.94]
     
    
  
 

设计思路

  

   

    

     

    
    

     
    import numpy as np
     
    
   

    

     

    
    

     

          lists_avg = np.mean(lists_temp)
     
    
   

    

     

    
    

     

          mid_float = round(lists_avg/20,3)
     
    
   

    

     

    
    

     

      # print(lists_avg,mid_float)
     
    
   

    

     

    
    

     
    
     
    
   

    

     

    
    

     

          lists_f = [-mid_float*2,-mid_float,-mid_float, 0,0,0, mid_float,mid_float,2*mid_float,3*mid_float]
     
    
   

    

     

    
    

     

          lists_float = [round(a,2) for a in lists_f]
     
    
   

    

     

    
    

     

      # print(lists_float)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

          one_f = random.sample(lists_float, 1)[0]
     
    
   

    

     

    
    

     

      # print(one_f)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/121894009