如何从现有数据的邻近度中采样数据？

Question

我有如下的异或数据 -

x	y	z	x ^ y ^ z
0	0	1	1
0	1	0	1
1	0	0	1
1	1	1	1

只保留使所有三个的异或等于 1 的那些。

我想在某个范围内随机均匀地围绕已有数据生成合成数据。上表可以认为是种子数据。期望表的示例如下：

x	y	z	x ^ y ^ z
0.1	0.3	0.8	0.9
0.25	0.87	0.03	0.99
0.79	0.09	0.28	0.82
0.97	0.76	0.91	0.89

上表的采样范围为 0 到 0.3，值为 0，范围为 0.7 到 1，值为 1。

我想用 pytorch 来实现。

Answer 1

对于这样的问题，您可以在不使用参考的情况下完全合成数据，因为它有一个简单的解决方案。对于零 (0-0.3)，您可以使用 torch.rand 函数为 0-1 生成均匀随机数据并对其进行缩放。对于一个（0.7-1），你可以做同样的事情，只是抵消它：

N = 5
p = 0.5 #change this to bias your outputs
x_is_1 = torch.rand(N)>p #decide if x is going to be 1 or 0
y_is_1 = torch.rand(N)>p #decide if y is going to be 1 or 0 
not_all_0 = ~(x_is_1 & y_is_1) #get rid of the x ^ y ^ z = 0 elements
x_is_1,y_is_1 = x_is_1[not_all_0],y_is_1[not_all_0]
N = x_is_1.shape[0]
x = torch.rand(N) * 0.3
x = torch.where(x_is_1,x+0.7,x)
y = torch.rand(N) * 0.3
y = torch.where(y_is_1,y+0.7,y)
z = torch.logical_xor(x_is_1,y_is_1).float()
triple_xor = 1 - torch.rand(z.shape)*0.3
print(torch.stack([x,y,z,triple_xor]).T)  
       #x        y       z       x^y^z                                                                                                                                                                   
tensor([[0.2615, 0.7676, 1.0000, 0.8832],
    [0.9895, 0.0370, 1.0000, 0.9796],
    [0.1406, 0.9203, 1.0000, 0.9646],
    [0.1799, 0.9722, 1.0000, 0.9327]])

或者，为了将您的数据作为基础（对于更复杂的数据），有一种称为高斯噪声注入的预处理工具似乎是您所追求的。或者你可以定义一个函数并多次调用它。

def add_noise(x,y,z,triple_xor,range=0.3):
     def proc(dat,range):
        return torch.where(dat>0.5,torch.rand(dat.shape)*range+1-range,torch.rand(dat.shape)*range)
     return proc(x,range),proc(y,range),proc(z,range),proc(triple_xor,range)

gen_new_data = torch.cat([torch.stack(add_noise(x,y,z,triple_xor)).T for _ in range(5)])