评估基于标准偏差产生噪声的想法

Question

我使用这种方法生成合成数据集：

import numpy as np
import random

def generate_dataset(size, dim):

    dataset = [random.randint(0, 2 ** dim) for _ in range(size)]

    # Removes duplicates
    dataset = list(set(dataset))

    return dataset

如您所见，数据点是从[0 - 2^dim] 随机生成的。对于通过这种方法生成的任何数据集，我想为其添加 noise。现在，我正在考虑一个简单的方法来做到这一点，但我不确定它是否在逻辑上正确，所以这里是：

1. 从生成的数据集中找出数据点的标准差。
2. 生成不在此标准差范围内的新数据点。
3. 将它们添加到您的原始数据集中，然后随机播放。

这是产生噪音的方式吗？

谢谢。

Answer 1

您似乎正在创建异常值。对我来说，噪音更像是在数据点上添加一个小数字（+/- 数字）。例如，你今天走了多少步？它可能是 100，但某些跟踪设备可能会读取 95 或 110。这种差异就是噪音。

不确定这是否有帮助。