Python 如何以矢量化的方式向numpy二维矩阵添加掩蔽噪声？

我有一个numpy二维阵列

X

，形状

（n个样本，n个特征）

。我想对每个样本（即每行）应用掩蔽噪声。基本上，对于每一行条目，我想随机选择全部

n_特征

元素的一部分

frac

，并将它们设置为

0

到目前为止，我已经对循环的内部进行了矢量化，但无法摆脱外部

I

循环

我目前的代码如下

def add_noise(X, frac):
    X_noise = X.copy()

    n_samples = X.shape[0]
    n_features = X.shape[1]

    for i in range(n_samples):
        mask = np.random.randint(0, n_features, int(frac * n_features))
        X_noise[i][mask] = 0

    return X_noise

下面是一个例子

test_arr = np.arange(1, 11)
test_arr = np.array([test_arr, test_arr])
print(test_arr)
print(add_noise(test_arr, 0.3))

[[ 1  2  3  4  5  6  7  8  9 10]
 [ 1  2  3  4  5  6  7  8  9 10]]
[[ 1  0  3  4  5  6  0  8  9  0]   # 0.3 * num_features = 3 random elements
 [ 0  2  3  4  5  6  7  0  0 10]]  # for each row set to 0

---

如何摆脱外部循环？

没有什么可以阻止您使用生成完整的索引矩阵，每行一个元素：

k = int(frac * n_features)
indices = np.random.randint(0, n_features, size=(n_samples, k))
X_noise[np.arange(n_samples)[:, None], indices] = 0

索引

np.arange（n_samples）[：，None]

使范围广播到shape

n_samples，k

。这种方法的优点是不需要带遮罩的中间步骤

这种方法存在两个潜在问题：

k=int（分形*n_特征）

不一定是与您要查找的实际分数最接近的整数。更像是

k=math.round（frac*n\u特性）

np.random.randint

替换样本。这意味着您偶尔会在索引中的同一行上遇到冲突。如果你同意的话，没关系。如果没有，您可以使用进行取样，而无需更换。问题是，然后必须逐个循环每一行

在我看来，一种更“诚实”的方法是生成一系列随机数，并简单地在

frac

处对它们设置阈值，这样您的总体噪声接近

frac

，但每行中的噪声都是随机的。这些数字可以通过以下方式生成：

X_噪声[np.random.sample（size=X_噪声.shape）

尝试创建0和1的映射，并将测试数组与映射相乘：

zero_map = np.round(np.random.rand(*test_arr.shape) * (1-frac))
test_arr = test_arr * zero_map

---

可以使用numpy函数沿_轴应用_

def add_noise(X, frac):
    X_noise = X.copy()

    n_samples = X.shape[0]
    n_features = X.shape[1]

    mask = np.concatenate((np.ones((n_samples,int(frac * n_features)), dtype=np.bool),
                           np.zeros((n_samples, n_features - int(frac * n_features)), dtype=np.bool)),
                           axis=1)
    np.apply_along_axis(np.random.shuffle,1,mask)
    X_noise[mask] = 0
    return X_noise

---

您是否需要控制

n\u功能

dimension？@norok2您能详细说明一下吗？如果您的意思是将元素数设置为0，那么是。否，我的意思是，如果您需要为每个

n_特征使用不同的
frac
值，则所有样本的
frac
值都相同。确定。然后注意，如果在
randint（）
中重复某些索引，代码也可能失败。您可能想改用
np.random.choice（）
或者直接使用掩码：
test\u arr[~mask]=0
是否可以使用
np.random.choice（…）
从
[0，num_features）
？然后方法将几乎保持不变。@pmcarpan。此时，您必须执行以下操作
def add_noise(X, frac):
    X_noise = X.copy()

    n_samples = X.shape[0]
    n_features = X.shape[1]

    mask = np.concatenate((np.ones((n_samples,int(frac * n_features)), dtype=np.bool),
                           np.zeros((n_samples, n_features - int(frac * n_features)), dtype=np.bool)),
                           axis=1)
    np.apply_along_axis(np.random.shuffle,1,mask)
    X_noise[mask] = 0
    return X_noise