如何根据百分比正确生成训练数据？

Question

我有一个问题。

我目前正在为我的贝叶斯网络生成训练数据，如下所示：（也作为下面的代码）

->infected代表被感染的人（0=未感染，1=感染） -> p_tests 是测试结果（0= 测试阴性，1= 测试阳性）

TP、FN、FP、TN中是否有0或1是这样决定的：

data = np.random.randint(2, size=(10, 2))
columns = ['infected', 'p_tests']
df = pd.DataFrame(data=data, columns=columns)

df["TP"] = ((df['infected'] == 1) & (df['p_tests'] == 1)).astype(int)
df["FN"] = ((df['infected'] == 1) & (df['p_tests'] == 0)).astype(int)
df["FP"] = ((df['infected'] == 0) & (df['p_tests'] == 1)).astype(int)
df["TN"] = ((df['infected'] == 0) & (df['p_tests'] == 0)).astype(int)

print(df)

这样运行很好。

我现在的问题是，我该如何决定，例如。根据我的概率，感染组的 1 和 0。

被感染的几率是 10%。我如何对数据进行编程，以便我的集合中有 10% 的值为 1（表明 10% 已被感染）？

同样是TP（80%），TN（98%），FP（2%），FN（20%）的概率

有没有人有关于如何解决这个问题的想法？

Answer 1

以设定的概率随机分配值，例如P(infected) = 0.9，可以这样进行：

在 (0, 1.0)

范围内随机选择 floating-point 个值 r

 df['r'] = np.random.uniform(0, 1.0, size=df.shape[0])

根据概率阈值设置infected的值：

 df['infected'] = (df['r'] >= 0.9).astype(int)

如何根据百分比正确生成训练数据？

How to correctly generate training data based on percentages?

python

pandas

probability

bayesian

training-data