生成具有正态分布噪声和均值函数的数据
Generate data with normally distributed noise and mean function
我创建了一个 numpy 数组，其中 n 个值从 0 到 2pi。现在，我想生成 n 个偏离 sin(x) 正态分布的测试数据点。
所以我想我需要做这样的事情：t = sin(x) + noise。噪音必须是这样的：noise = np.random.randn(mean, std).
但是，当我的平均值是 sin(x)（而不是常数）时，我不知道如何计算噪声。
numpy.random.randn are not the mean and standard deviation. For that, you want numpy.random.normal 的参数。它的签名是
normal(loc=0.0, scale=1.0, size=None)
要为您的 sin 函数添加噪声，只需在 normal() 的调用中使用均值 0。平均值对应于 loc 参数（即 "location"），默认情况下为 0。因此，鉴于 x 类似于 np.linspace(0, 2*np.pi, n)，您可以这样做：
t = np.sin(x) + np.random.normal(scale=std, size=n)
您可以使用numpy.random.randn，但您必须按std缩放它，因为randn returns个样本来自标准正态分布，均值为 0，标准差为 1。要使用 randn，您可以这样写：
t = np.sin(x) + std * np.random.randn(n)
如果在y坐标上加入噪声，部分测试数据点的值可能会超出正弦函数的正常范围，即不是从-1到1，而是从- （1+噪声）到+（1+噪声）。我建议将噪声添加到 x 坐标：
t = np.sin(x + np.random.uniform(-noise, noise, x.shape))
其中 noise 必须是适合您的问题的值。
我创建了一个 numpy 数组，其中 n 个值从 0 到 2pi。现在，我想生成 n 个偏离 sin(x) 正态分布的测试数据点。
所以我想我需要做这样的事情：t = sin(x) + noise。噪音必须是这样的：noise = np.random.randn(mean, std).
但是，当我的平均值是 sin(x)（而不是常数）时，我不知道如何计算噪声。
numpy.random.randn are not the mean and standard deviation. For that, you want numpy.random.normal 的参数。它的签名是
normal(loc=0.0, scale=1.0, size=None)
要为您的 sin 函数添加噪声，只需在 normal() 的调用中使用均值 0。平均值对应于 loc 参数（即 "location"），默认情况下为 0。因此，鉴于 x 类似于 np.linspace(0, 2*np.pi, n)，您可以这样做：
t = np.sin(x) + np.random.normal(scale=std, size=n)
您可以使用numpy.random.randn，但您必须按std缩放它，因为randn returns个样本来自标准正态分布，均值为 0，标准差为 1。要使用 randn，您可以这样写：
t = np.sin(x) + std * np.random.randn(n)
如果在y坐标上加入噪声，部分测试数据点的值可能会超出正弦函数的正常范围，即不是从-1到1，而是从- （1+噪声）到+（1+噪声）。我建议将噪声添加到 x 坐标：
t = np.sin(x + np.random.uniform(-noise, noise, x.shape))
其中 noise 必须是适合您的问题的值。