Python 3.x 向浮点数据集添加高斯噪声并保存（python）

我正在研究分类问题，我需要在数据集中添加不同级别的高斯噪声，并进行分类实验，直到我的ML算法无法对数据集进行分类。

---

不幸的是，我不知道怎么做。有关于如何添加高斯噪声的建议或编码提示吗

您可以按照以下步骤操作：

将数据加载到熊猫数据框

clean\u signal=pd.read\u csv（“数据文件名”）

使用numpy生成与数据集维数相同的高斯噪声

使用

signal=clean\u signal+noise

---

下面是一个可复制的示例：

import pandas as pd
# create a sample dataset with dimension (2,2)
# in your case you need to replace this with 
# clean_signal = pd.read_csv("your_data.csv")   
clean_signal = pd.DataFrame([[1,2],[3,4]], columns=list('AB'), dtype=float) 
print(clean_signal)
"""
print output: 
    A    B
0  1.0  2.0
1  3.0  4.0
"""
import numpy as np 
mu, sigma = 0, 0.1 
# creating a noise with the same dimension as the dataset (2,2) 
noise = np.random.normal(mu, sigma, [2,2]) 
print(noise)

"""
print output: 
array([[-0.11114313,  0.25927152],
       [ 0.06701506, -0.09364186]])
"""
signal = clean_signal + noise
print(signal)
"""
print output: 
          A         B
0  0.888857  2.259272
1  3.067015  3.906358
""" 

---

没有注释和打印语句的总体代码：

import pandas as pd
# clean_signal = pd.read_csv("your_data.csv")
clean_signal = pd.DataFrame([[1,2],[3,4]], columns=list('AB'), dtype=float) 
import numpy as np 
mu, sigma = 0, 0.1 
noise = np.random.normal(mu, sigma, [2,2])
signal = clean_signal + noise

---

将文件保存回csv

signal.to_csv("output_filename.csv", index=False)

---

非常感谢你。我还有一个问题。现在，如果我想增加噪声，我会增加方差？如果没有，怎么做？

mu

是平均值，

sigma

是标准偏差，因此使用这些参数来改变噪声