利用python3如何给数据添加高斯噪声
更新时间：2022年03月16日 17:03:07 作者：WaiSaa
高斯噪声既是符合高斯正态分布的误差,一些情况下我们需要向标准数据中加入合适的高斯噪声会让数据变得有一定误差而具有实验价值,下面这篇文章主要给大家介绍了关于利用python3如何给数据添加高斯噪声的相关资料,需要的朋友可以参考下
Background
高斯噪声，顾名思义是指服从高斯分布（正态分布）的一类噪声。有的时候我们需要向标准数据中加入合适的高斯噪声让数据更加符合实际。
python中的random库中集成了高斯正态分布，可以直接使用。
我们可以通过调整高斯噪声均值和方差，获取不同效果的处理数据。
原始数据
高斯噪声sigma = 0.05
高斯噪声sigma = 0.1
高斯噪声sigma = 0.15
源码
import random
import numpy as np
from matplotlib import pyplot as plt
def gauss_noisy(x, y):
"""
对输入数据加入高斯噪声
:param x: x轴数据
:param y: y轴数据
:return:
"""
mu = 0
sigma = 0.05
for i in range(len(x)):
x[i] += random.gauss(mu, sigma)
y[i] += random.gauss(mu, sigma)
if __name__ == '__main__':
# 在0-5的区间上生成50个点作为测试数据
xl = np.linspace(0, 5, 50, endpoint=True)
yl = np.sin(xl)
# 加入高斯噪声
gauss_noisy(xl, yl)
# 画出这些点
plt.plot(xl, yl, linestyle='', marker='.')
plt.show()总结
到此这篇关于利用python3如何给数据添加高斯噪声的文章就介绍到这了,更多相关python3添加高斯噪声内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
Pandas中一共有五个数据合并函数，分别为：concat、append、merge、join、combine，本文详细讲解这五个函数的使用方法，需要的可以参考一下2022-03-03
这篇文章主要给大家介绍了关于Python3导入自定义模块的三种方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。2018-04-04
本文详细介绍了Python第三方库Pillow的使用，通过导入Pillow库、打开和保存图像、基本图像操作以及图像处理高级功能的代码示例，我们了解了Pillow库的强大功能和灵活性，感兴趣的朋友跟随小编一起看看吧2023-07-07
这篇文章主要介绍了Python XML RPC服务器端和客户端实例,本文给出了实现代码以及运行效果,需要的朋友可以参考下2014-11-11
这篇文章主要介绍了pandas分组聚合详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-04-04
这篇文章主要给大家介绍了关于Python控制台获取输入与常见的正则表达式用法的相关资料,在Python编程中,控制台输入和正则表达式是两个重要而实用的概念,文中通过代码介绍的非常详细,需要的朋友可以参考下2023-12-12
这篇文章主要介绍了如何使用Python多线程测试并发漏洞,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要介绍了如何用python写个模板引擎，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2021-01-01
近期因工作需要，需对几十万条商品和订单数据进行初步的数据分析，本文主要pandas实现数据读取&清洗&分析的项目实践，具有一定的参考价值，感兴趣的可以了解一下2022-05-05
正则表达式是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为“元字符”),下面这篇文章主要给大家介绍了关于python正则表达式对字符串的查找匹配的相关资料,需要的朋友可以参考下2022-09-09
最新评论