基于PYTHON生成仿真多元线性模拟数据集

1.需求描述

在做仿真模拟实验的时候，我们总是因为缺少数据，所以我们假设产生的数据服从
$$y=w\ast x+b$$

为了方便，我们设计的X包含X1，X2，以及一个Y：
$$Y=0.2\ast X1+0.3\ast X+1.4$$

2.导入模块

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt

np.random.seed(1)

## 2.1 定义一个上面的描述的函数
def linear_fun(x1,x2,w1 = 0.2,w2 = 0.3,b=3.5):
    return w1 * x1 + w2 * x2 + b

## 2.2 生成噪声数据
def generate_data(linear_fun,N):
    # 均匀分布
    x1 = np.random.uniform(-1,1,N)
    x2 = np.random.uniform(-1,1,N)
    y = linear_fun(x1,x2)
    
    # 添加噪声数据
    epsilon = np.random.normal(0,0.1,N)
    
    y += epsilon
    return x1,x2,y

# 测试
x1,x2,y = generate_data(linear_fun,5)

print(x1,'\n',x2,'\n',y)

[ 0.44583039 -0.64690193  0.72393312 -0.9604498   0.72047399] 
 [ 0.11780762 -0.19355906  0.51749386  0.433858    0.97465235] 
 [3.54870163 3.3253896  3.9760763  3.53472137 4.00779541]

3.数据保存

df = pd.DataFrame({'x1':x1,'x2':x2,'y':y})
df.to_excel('仿真模拟数据.xlsx')