python数据扩充:gamma+重采样+旋转+镜像

最新推荐文章于 2024-09-29 15:43:50 发布
最新推荐文章于 2024-09-29 15:43:50 发布
阅读量2k 收藏 5
点赞数 1
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/summermaoz/article/details/79798974
版权

训练的时候因为数据出现问题，把做数据扩充的重新整理了一下，应该一步步检查的。

1、gamma变换调节图像对比度

"""
=================================
Gamma and log contrast adjustment
=================================
This example adjusts image contrast by performing a Gamma and a Logarithmic
correction on the input image.

"""

import numpy as np
import cv2
import math
from matplotlib import pyplot as plt

from skimage import exposure
import shutil
import os

def gamma_corrected(savefolder, imgfolder, img, para):

	#pare > 1 Increase brightness
	#pare < 1 Decrease brightness
	imgsavefolder = savefolder + '/JPEG/'
	xmlsavefolder = savefolder + '/XML/'

	if not os.path.exists(imgsavefolder):
		os.makedirs(imgsavefolder)

	if not os.path.exists(xmlsavefolder):
		os.makedirs(xmlsavefolder)

	xmlfolder = imgfolder.replace('JPEG', 'XML')
	xmlfile = xmlfolder + img.replace('jpg', 'xml')

	origimgpath = os.path.join(imgfolder,img)

	im = cv2.imread(os.path.join(imgfolder,img))

	for p in para:
		try:
			gamma_img = exposure.adjust_gamma(im, p)

			gamma_imgsavepath = imgsavefolder + 'g' + str(p) + '_' + img
			orig_imgsavepath = imgsavefolder + img

			gamma_xmlsavepath = xmlsavefolder + 'g' + str(p) + '_' + img.replace('jpg', 'xml')
			orig_xmlsavepath = xmlsavefolder + img.replace('jpg', 'xml')
			
			#save gamma image
			cv2.imwrite(gamma_imgsavepath, gamma_img)
			#sava original image
			shutil.copy(origimgpath,orig_imgsavepath)
			#save gamma xml
			shutil.copy (xmlfile, gamma_xmlsavepath)
			#save original xml
			shutil.copy(xmlfile, orig_xmlsavepath)
		
		except Exception as e:
			orig_imgsavepath = imgsavefolder + img
			orig_xmlsavepath = xmlsavefolder + img.replace('jpg', 'xml')

			#sava original image
			shutil.copy(origimgpath,orig_imgsavepath)
			#save original xml
			shutil.copy(xmlfile, orig_xmlsavepath)
			raise
#log	
# def logarithmic_corrected():
# 	logarithmic_corrected = exposure.adjust_log(img, 0.9)
# 	pass

##Gamma
para = [0.6, 1.5]

img_org_folder = '/Desktop/power_traindata/JPEG/'
save_folder = '/PowerDetectTrainDataExp/Gamma/'

if not os.path.exists(save_folder):
	os.makedirs(save_folder)
	os.makedirs(save_folder + 'JPEG')
	os.makedirs(save_folder + 'XML')

for img in os.listdir(img_org_folder):
	gamma_corrected(save_folder, img_org_folder, img, para)



## Logarithmic

2、上下采样：

#coding:utf-8

import os
import cv2
import numpy as np

try:
	import xml.etree.cElementTree as ET
except ImportEroor:
	import xml.etree.ElementTree as ET
import copy,random
# ==================down sample=========
def img_downsample():
	JPEGImages = os.path.join(folder, 'JPEG')
	saveJPEGImages = os.path.join(save_folder, 'JPEG')
	saveJPEGImages.replace('\\', '/')
	
	if not os.path.exists(saveJPEGImages):
		os.makedirs(saveJPEGImages)
	
	Annotations = os.path.join(folder, 'XML')
	saveAnnotations = os.path.join(save_folder, 'XML')
	saveAnnotations.replace('\\', '/')
	
	if not os.path.exists(saveAnnotations):
		os.makedirs(saveAnnotations)
	
	scales = None
	
	for imgfile in os.listdir(JPEGImages):
		#images
		img = cv2.imread(os.path.join(JPEGImages,imgfile))
		scales = [random.uniform(4,20)*0.1 for _ in range(2)]
		
		for i,scale in enumerate(scales):
			img_downsampled = cv2.resize(img,(int(scale*img.shape[1]),int(scale*img.shape[0])))
			new_name = 's' + str(i) + '_' + imgfile
			# print(new_name)
			cv2.imwrite(os.path.join(saveJPEGImages,new_name),img_downsampled)

			xmlfile = imgfile.replace('jpg','xml')
			Anno_Path = os.path.join(Annotations,xmlfile)

			tree = ET.parse(Anno_Path.replace('\\', '/'))
			root = tree.getroot()
			for obj in root.findall('object'):
				bndbox = obj.find('bndbox')

				xmin = bndbox.find('xmin').text
				ymin = bndbox.find('ymin').text
				xmax = bndbox.find('xmax').text
				ymax = bndbox.find('ymax').text

				bndbox.find('xmin').text = str(int(int(xmin)*scale))
				bndbox.find('ymin').text = str(int(int(ymin)*scale))
				bndbox.find('xmax').text = str(int(int(xmax)*scale))
				bndbox.find('ymax').text = str(int(int(ymax)*scale))

				assert(((int(xmax) - int(xmin))*scale)>0)
				assert(((int(ymax) - int(ymin))*scale)>0)
		
			filename = tree.find('filename')
			filename.text = new_name
			size = tree.find('size')
			height = size.find('height')
			width = size.find('width')
			height.text = str(int(float(height.text)*scale))
			width.text = str(int(float(width.text)*scale))
			tree.write(os.path.join(saveAnnotations,new_name[:-4]+'.xml'))

if __name__=='__main__': 
	global folder, save_folder
	folder = '/PowerDetectTrainDataExp/Gamma/'
	save_folder = '/PowerDetectTrainDataExp/Sampled/'
	img_downsample()

3、旋转：0，90，180, 270

# coding:utf-8

import cv2
import os
import numpy as np
import math
import copy
try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

def rotate_about_center(src, angle, scale=1.):
    w = src.shape[1]
    h = src.shape[0]

    rangle = np.deg2rad(angle) #angle in radians
    nw = (abs(np.sin(rangle)*h)+abs(np.cos(rangle)*w))*scale
    nh = (abs(np.cos(rangle)*h)+abs(np.sin(rangle)*w))*scale

    rot_mat = cv2.getRotationMatrix2D((nw*0.5,nh*0.5), angle, scale)# rotate with center
    rot_move = np.dot(rot_mat,np.array([(nw-w)*0.5,(nh-h)*0.5,0]))

    rot_mat[0,2] += rot_move[0]
    rot_mat[1,2] += rot_move[1]
    return cv2.warpAffine(src,rot_mat,(int(math.ceil(nw)),int(math.ceil(nh))),flags = cv2.INTER_LANCZOS4)


def enhancement_using_rotation(ImagePath,AnnotationsPath,ImageSavePath,AnnotationsSavePath):

    for imgfile in os.listdir(ImagePath):
        if not os.path.isfile(os.path.join(AnnotationsPath,imgfile[:-4]+'.xml')):
            continue
        print(imgfile)
        img = cv2.imread(os.path.join(ImagePath,imgfile))

        #rotation
        for angle in rotation_angle:

            new_name =  'r'+ str(angle) + '_' + imgfile
            rotate_img = rotate_about_center(img,angle)
            cv2.imwrite(os.path.join(ImageSavePath,new_name),rotate_img)

            center_x = img.shape[1]/2
            center_y = img.shape[0]/2
            new_center_x = rotate_img.shape[1]/2
            new_center_y = rotate_img.shape[0]/2


            if annotation_file is 'txt':            
                ff = open(os.path.join(AnnotationsPath,'labels',imgfile[:-4]+'.txt'),'r')
                f = open(os.path.join(AnnotationsSavePath,'labels',new_name[:-4] +'.txt'),'a')
                for line in ff.readlines():
                    [filename, cls, x1,y1,x2,y2,t] = line.split(' ')
                    
                    final_x1, final_y1, final_x2, final_y2 = \
                                        _rotated_location(x1,y1,x2,y2,center_x,center_y,new_center_x,new_center_y)
                    assert(final_y2-final_y1>0) & (final_x2-final_x1>0)

                    if ifshow == 1:
                        cv2.rectangle(rotate_img,(final_x1,final_y1),(final_x2,final_y2),(0,0,255),2)
                        cv2.putText(rotate_img, cls, (int(final_x1),int(final_y1)),0,1.2,(0,0,255),2)
                    nline = new_name + ' ' + cls + ' ' + str(final_x1) + ' ' + str(final_y1) + ' ' + str(final_x2) + ' ' + str(final_y2) + '\n'
                    f.write(nline)
                f.close()
                ff.close()
            
            elif annotation_file is 'xml':
                Annotations = os.path.join(AnnotationsPath,imgfile[:-4]+'.xml')
                saveAnnotations = os.path.join(AnnotationsSavePath,new_name[:-4]+'.xml')
                tree = ET.parse(Annotations)

                filename = tree.find('filename')
                filename.text = new_name

                size = tree.find('size')
                height = size.find('height')
                height.text = str(rotate_img.shape[0])
                width = size.find('width')
                width.text = str(rotate_img.shape[1])

                root = tree.getroot()
                for obj in tree.findall('object'):
                    class_node = obj.find('name')
                    bndbox = obj.find('bndbox')
                    x1 = bndbox.find('xmin').text
                    y1 = bndbox.find('ymin').text
                    x2 = bndbox.find('xmax').text
                    y2 = bndbox.find('ymax').text
                    if not(int(y2)-int(y1)>0) & (int(x2)-int(x1)>0):
                        print(Annotations)
                        root.remove(obj)
                        continue
                    assert(int(y2)-int(y1)>0) & (int(x2)-int(x1)>0)

                    final_x1, final_y1, final_x2, final_y2 = \
                                        _rotated_location(x1,y1,x2,y2,center_x,center_y,new_center_x,new_center_y,angle)
                    if final_y1<0:
                        print(x1,y1,x2,y2)
                        print(final_x1,final_y1)
                    assert(final_y2-final_y1>0)
                    assert(final_x2-final_x1>0)
                    assert(final_x1>=0)
                    assert(final_y1>=0)
                    assert(final_x2<=int(width.text))
                    assert(final_y2<=int(height.text))

                    if ifshow == 1:
                        cv2.rectangle(rotate_img,(final_x1,final_y1),(final_x2,final_y2),(0,0,255),2)
                        cv2.putText(rotate_img, cls, (int(final_x1),int(final_y1)),0,1.2,(0,0,255),2)
                    bndbox.find('xmin').text = str(final_x1)
                    bndbox.find('ymin').text = str(final_y1)
                    bndbox.find('xmax').text = str(final_x2)
                    bndbox.find('ymax').text = str(final_y2)
              
                tree.write(saveAnnotations)

            if ifshow == 1:
                cv2.imshow(new_name,rotate_img)
                key = cv2.waitKey(500)
                if key ==27:
                        quit()
                cv2.destroyWindow(new_name)


def _rotated_location(x1,y1,x2,y2,center_x,center_y,new_center_x,new_center_y,angle):
    x1 = float(x1) - center_x
    y1 = -(float(y1) - center_y)
    x2 = float(x2) - center_x
    y2 = -(float(y2) - center_y)

    rangle = np.deg2rad(angle)
    rotated_x1 = np.cos(rangle)*x1 - np.sin(rangle)*y1
    rotated_y1 = np.cos(rangle)*y1 + np.sin(rangle)*x1
    rotated_x2 = np.cos(rangle)*x2 - np.sin(rangle)*y2
    rotated_y2 = np.cos(rangle)*y2 + np.sin(rangle)*x2

    rotated_x1 = int(rotated_x1 + new_center_x)
    rotated_y1 = int(-rotated_y1 + new_center_y)
    rotated_x2 = int(rotated_x2 + new_center_x)
    rotated_y2 = int(-rotated_y2 + new_center_y)

    final_x1 = int(min(rotated_x1,rotated_x2))
    final_y1 = int(min(rotated_y1,rotated_y2))
    final_x2 = int(max(rotated_x1,rotated_x2))
    final_y2 = int(max(rotated_y1,rotated_y2))
    return final_x1, final_y1, final_x2, final_y2


def enhancement_using_mirror(ImagePath,AnnotationsPath,ImageSavePath,AnnotationsSavePath):

    #mirror
    for imgfile in os.listdir(ImagePath):
        img = cv2.imread(os.path.join(ImagePath,imgfile))
        new_name = 'm_' + imgfile 
        # print(new_name)

        mirror_img  = mirroir_hierachically(img)
        cv2.imwrite(os.path.join(ImageSavePath,new_name),mirror_img)


        w = img.shape[1]

        if annotation_file is 'txt':
            ff = open(os.path.join(txtpath,imgfile[:-4]+'.txt'),'r')
            f = open(os.path.join(txtpath,new_name[:-4]+'.txt'),'a')
            for line in ff.readlines():
                [filename,cls,x1,y1,x2,y2] = line.strip().split(' ')
                x2 = abs(int(x1)-w)
                x1 = abs(int(x2)-w)


                final_x1 = min(x1,x2)
                final_x2 = max(x1,x2)
                assert(final_x2-final_x1>0)

                nline = new_name + ' ' + cls + ' ' + str(final_x1) + ' ' + y1 + ' ' + str(final_x2) +  ' ' + y2 + '\n'
                f.write(nline)

                if ifshow == 1:
                    cv2.rectangle(mirror_img,(final_x1,int(y1)),(final_x2,int(y2)),(0,0,255),2)
                    cv2.putText(mirror_img, cls, (final_x1,int(y1)),0,1.2,(0,0,255),2)           
            
            f.close()
            ff.close()
        
        elif annotation_file is 'xml':
            Annotations = os.path.join(AnnotationsPath, imgfile[:-4]+'.xml')
            saveAnnotations = os.path.join(AnnotationsSavePath,new_name[:-4]+'.xml')
            tree = ET.parse(Annotations)


            filename = tree.find('filename')
            filename.text = new_name


            for obj in tree.findall('object'):
                bndbox = obj.find('bndbox')
                x1 = bndbox.find('xmin').text
                y1 = bndbox.find('ymin').text
                x2 = bndbox.find('xmax').text
                y2 = bndbox.find('ymax').text

                new_x1 = abs(int(x2)-w)
                new_x2 = abs(int(x1)-w)

                final_x1 = int(min(new_x1,new_x2))
                final_x2 = int(max(new_x1,new_x2))
                assert(final_x2-final_x1>0)

                cls = obj.find('name').text 
     
                if ifshow == 1:
                    cv2.rectangle(mirror_img,(final_x1,int(y1)),(final_x2,int(y2)),(0,0,255),2)
                    cv2.putText(mirror_img, cls, (int(final_x1),int(y1)),0,1.2,(0,0,255),2)
                                           
                bndbox.find('xmin').text = str(final_x1)
                bndbox.find('xmax').text = str(final_x2)


            tree.write(saveAnnotations)
            # tree.clear()


        if ifshow == 1:
            cv2.imshow(new_name,mirror_img)
            key = cv2.waitKey(500)
            if key ==27:
                quit()
            cv2.destroyWindow(new_name)



def mirroir_hierachically(src):
    w = src.shape[1]
    h = src.shape[0]
    ll = src.shape[2]
    mirror_img = copy.deepcopy(src)
    for wi in range(w):
        mirror_img[:,w-wi-1] = src[:,wi]
    return mirror_img


def main(dirpath):
    # ##################################### PART 1 ######################################################## 
    savepath = dirpath + 'Rotated/'
    ImageSavePath = savepath + '/JPEG/'
    AnnotationsSavePath = savepath + '/XML/'
    # ImageSetsSavePath = savepath + '/ImageSets/Main/'

    if not os.path.exists(savepath):
        os.makedirs(savepath)  
    if not os.path.exists(ImageSavePath):
        os.makedirs(ImageSavePath)    
    if not os.path.exists(AnnotationsSavePath):
        os.makedirs(AnnotationsSavePath)

  # ##################################### PART 2 ########################################################

    #augument trainning data by rotating
    print('rotating...')
    ImagePath = dirpath + 'Sampled/JPEG/'
    AnnotationsPath = dirpath + 'Sampled/XML/'
    enhancement_using_rotation(ImagePath,AnnotationsPath,ImageSavePath,AnnotationsSavePath)

    #augument trainning data by mirroring, mirroring after rotating
    print('mirroring...') 
    mir_ImagePath = dirpath + 'Rotated/JPEG/'
    mir_AnnotationsPath = dirpath + 'Rotated/XML/'
    mir_savepath = dirpath + 'mirrored/'
    mir_AnnotationsSavePath = mir_savepath + 'XML/'
    mir_imgsavepath = mir_savepath + 'JPEG/'

    if not os.path.exists(mir_savepath):
        os.makedirs(mir_savepath)   
    if not os.path.exists(mir_imgsavepath):
        os.makedirs(mir_imgsavepath) 
    if not os.path.exists(mir_AnnotationsSavePath):
        os.makedirs(mir_AnnotationsSavePath)

    enhancement_using_mirror(mir_ImagePath,mir_AnnotationsPath,mir_imgsavepath,mir_AnnotationsSavePath)

if __name__ == '__main__':
    global annotation_file, rotation_angle, ifshow
    annotation_file = 'xml'#'txt',xml'
    rotation_angle=[0,90,180,270]
    ifshow = 0
    dirpath = 'E:/PowerDetectTrainDataExp/'
    main(dirpath)







MATLAB编程实现P-Ⅲ分布：拟合+密度+分布函数+KS检验
WW、forever的博客
04-26 6377
MATLAB编程实现PⅢ分布的参数拟合、密度函数、分布函数和K-S检验
Python数据分析：时序模型-ARIMA
厚积薄发
05-01 2089
Python数据分析：时序模型-ARIMA AR(Autoregressive)模型 自回归模型描述的是当前值与历史值之间的关系 滞后p阶的AR模型 AR(p):yt=μ+∑i=1pγiyt−i+ϵt \mathrm{AR}(\mathrm{p}) : y_{t}=\mu+\sum_{i=1}^{p} \gamma_{i} y_{t-i}+\epsilon_{t} AR(p):yt​=μ+...
机器学习系列手记（八）：采样之不均衡样本集的重采样
yly_3026925713的博客
04-27 3079
采样 不均衡样本集的重采样       在训练二分类模型时，例如姨姥诊断、网络入侵检测、信用卡反欺诈等，经常会遇到正负样本不均衡的问题。对于很多分类算法，如果直接采用不均衡的样本集来进行学习，会存在一些问题。例如，如果正负样本比例达到1:99，则分类器简单的将所有样本都判为负样本就能达到99%的正确率，显然这不是我们想要的，我们想让分类器...
解决样本类别分布不均衡的问题
刘大大的博客
05-28 2万+
今天学习了关于样本类别分布不均衡的处理的一些知识，在此和大家一起分享一下。什么是样本类别分布不均衡？举例说明，在一组样本中不同类别的样本量差异非常大，比如拥有1000条数据样本的数据集中，有一类样本的分类只占有10条，此时属于严重的数据样本分布不均衡。样本类别分布不均衡导致的危害？样本类别不均衡将导致样本量少的分类所包含的特征过少，并很难从中提取规律；即使得到分类模型，也容易产生过度依赖与有限的数...
【数字图像处理】简单粗暴理解伽马变换（附python代码）
最新发布
fbzhl的博客
09-29 1193
简单粗暴理解伽马变换，没有枯燥苦涩，全是干货，结尾附上代码实现。
python升采样和插值_重采样和插值
weixin_42323064的博客
01-29 958
在理解如何将数据重新采样为小时速率而不是现在的4小时数据块时，仍被困在一项任务上。这是我们要求做的。在差异ENTRIES和EXITS字段保存每周不重置为零的原始计数。我们想知道4小时内有多少出入口。要计算这个值，我们需要计算具有相同(UNIT，C/A，SCP)键的相邻行之间的差异。创建存储这些数字的NUM_ENTRIES和NUM_EXITS列。在提示：移位法很有用。在进行转换时使用groupby会...
Python对数据进行插值和下采样
renjunsong0的博客
02-13 3万+
使用python对数据进行上下采样
python升采样和插值_python+pandas生成指定日期和重采样的方法
weixin_34779181的博客
03-02 714
python 日期的范围、频率、重采样以及频率转换pandas有一整套的标准时间序列频率以及用于重采样、频率推断、生成固定频率日期范围的工具。生成指定日期范围的范围pandas.date_range()用于生成指定长度的DatatimeIndex：1)默认情况下，date_range会按着时间间隔为天的方式生成从给定开始到结束时间的时间戳数组；2)如果只指定开始或结束时间，还需要periods标定...
windows10：HRNet+环境配置（pytorch）+网络改动
weixin_43390800的博客
11-30 4728
安装pytorch（CUDA版本：10.0）： conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch 安装HRNet环境： EasyDict==1.7 opencv-python==3.4.1.15 shapely==1.6.4 Cython scipy pandas pyyaml json_tricks scikit-image yacs>=0.1.5 tensorboardX>=1.6 pip install
python数据分析：特征选择与电商搜索相关性预测
泛泛之素
01-12 3793
大型在线零售商通常使用基于查询的搜索来帮助消费者在其网站上查找信息/产品。他们能够使用技术为用户提供更好的体验。因为他们了解搜索相关性的重要性，并且长时间和/或不成功的搜索可以将用户转移，因为用户已经习惯并期望即时，相关的搜索结果，例如他们从淘宝、京东获得的搜索结果。 虽然搜索对于任何电子商务业务的成功至关重要，但对于中小型在线零售商来说，搜索并不总是那么容易，因为它往往需要大量的手动标记数据和机...
亚马逊测评系统软件搭建教程：luminati+候鸟防关联浏览器环境
热门推荐
amazon20201212的博客
01-04 4万+
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 luminati+候鸟防关联浏览器搭建亚马逊测评环境教程！Luminati怎么使用？ 做亚马逊测评的朋友很多人都听说过lum
python_批量重采样
07-20
python_批量重采样 python_批量重采样 python_批量重采样 python_批量重采样
python 抽样函数_python中resample函数实现重采样和降采样代码
weixin_35756637的博客
02-19 580
函数原型resample(self, rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention=‘start', kind=None, loffset=None, limit=None, base=0, on=None, level=None)比较关键的是rule,closed,label下面会随着两...
python实现采样函数_如何从python/scipy/numpy等中的step函数中进行采样？
weixin_29662775的博客
01-29 846
“如果我有每个箱子的边和计数，是否有一种简洁的方法从概率密度函数中取样？”这正是^{}的情况。在这里有一个例子。在首先，生成一些直方图数据，我们可以用在这个例子中。在In [150]: sample = np.random.gamma(6, size=2000)In [151]: hist, edges = np.histogram(sample, bins=5)In [152]: histOut...
Python|遥感影像重投影与重采样、样本矢量转栅格、样本栅格扩充与原始影像相同大小
weixin_46493028的博客
03-10 4348
使用gdal的gis一些基本处理，可以用来制作深度学习样本集之类的
python规则网格插值不规则边界_在Python中将不规则间隔的数据重采样到规则网格...
weixin_33841498的博客
02-21 1072
把你的代码示例和你的问题标题比较，我觉得你有点困惑。。。在您的示例代码中，您正在创建规则网格化的随机数据，然后将其重新采样到另一个规则网格。你的例子中没有任何不规则的数据。。。(另外，代码没有按原样运行，您应该查看^{}，而不是循环生成x&y网格。)如果您想重新采样一个已经定期采样的网格，就像您在示例中所做的那样，有比griddata或下面我将要描述的任何方法更有效的方法。(^{}非常适合...
python 图像处理之插值 最近邻、双线性、双三次
AcceptedLin的博客
12-05 1万+
        python 图像处理之插值 最近邻、双线性、双三次 1.最近邻： import cv2 import numpy as np def function(img): height,width,channels =img.shape emptyImage=np.zeros((2048,2048,channels),np.uint8) sh=2048/he...
python_时间序列_重采样及频率转换
wj1298250240的博客
12-02 2562
python_时间序列_重采样及频率转换 Resampling and Frequency Conversion¶ # 11.6 重采样及频率转换 # 重采样（resampling）指的是将时间序列从⼀个频率转换到另⼀ # 个频率的处理过程。将⾼频率数据聚合到低频率称为降采样 # （downsampling），⽽将低频率数据转换到⾼频率则称为升采 # 样（upsampling）。并不是所有的重采样...
【python】数据重采样技巧：自定义概率分布采样
MaxeeoveCR的博客
05-06 1659
碎碎念 近期做数据处理的时候准备尝试下根据标签分布构建自定义采样概率来缓解data imbalance问题。 举个例子，比如有一个标签类别 年龄 = {幼年, 青年, 中年, 老年}，某场景下标签分布为 {100, 4000, 8000, 2000}，构建一种自定义采样概率 {0.528, 0.155, 0.122, 0.195}，如何依据这种自定义概率分布进行多次采样呢？ 函数 random.choices(population,weights=None,*,cum_weights=None,k=1)
MATLAB程序：Gamma分布采样教程示例
资源摘要信息:"Gamma_Gamma_Distrubition.rar_matlab例程_matlab_" 知识点一：Gamma分布简介 Gamma分布是统计学中常见的一种连续概率分布，广泛用于模拟随机变量，其在工程、物理、生态学、保险和金融等多个领域有...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值