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

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)