我正在生成一个随机数据集。我的数据集是连续的,并且有上限和下限。在某些随机点,我希望我的数据集具有高于和低于限制的异常值。这是我的代码。
generated_data = (12) * np.random.rand(100) + 630
outlier_data = (12) * np.random.rand(20) + (*HERE'S THE PROBLEM)
merged_data = np.concatenate((generated_data, outlier_data))
在此之后,我想我将重新整理 merged_data。但我不知道如何正确生成异常值。
最佳答案
只需独立生成数据的三个部分:首先是非离群值,然后是下离群值和上离群值,将它们合并在一起,最后将它们打乱:
def generate(median=630, err=12, outlier_err=100, size=80, outlier_size=10):
errs = err * np.random.rand(size) * np.random.choice((-1, 1), size)
data = median + errs
lower_errs = outlier_err * np.random.rand(outlier_size)
lower_outliers = median - err - lower_errs
upper_errs = outlier_err * np.random.rand(outlier_size)
upper_outliers = median + err + upper_errs
data = np.concatenate((data, lower_outliers, upper_outliers))
np.random.shuffle(data)
return data
你会得到这样的结果:
>>> data = generate()
>>> data.shape
(100,)
>>> data.min()
518.1635764484727
>>> data.max()
729.9467630423616
>>> np.median(data)
629.9427184256936
关于python - 我应该如何随机生成异常值?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55351782/