如何对数据集中的所有值产生相同数量的噪声？答案

【问题标题】：How to generate same amount of noise to all the values in the dataset?如何对数据集中的所有值产生相同数量的噪声？
【发布时间】：2021-06-20 04:46:48
【问题描述】：

我想为数据集中的所有值生成相同数量的噪声。我的数据集包含 500 个值。我听说随机种子用于产生相同的噪音，但我无法弄清楚如何在这里使用它。我的代码是：

for i in range(0,500)
    x= x + np.random.normal(0,0.002,1) # velocity
    y = y + np.random.normal(0,0.0092,1) # rotation
    z = z + np.random.normal(0,0.7,1) # rotation

【问题讨论】：

请描述“相同数量的噪音”是什么意思，例如你的意思是相同的方差还是别的什么，应该有任何相关性等吗？ en.wikipedia.org/wiki/Pseudorandom_number_generator 对 PRNG 有很好的总结，即 numpy 用来生成随机数的算法类
@SamMason 感谢您的回复。相同数量的噪声，我的意思是相同的方差。例如在速度方面，我为 1 个点给出了 0.002 个方差，但我需要所有 500 个点的这个方差，但我无法在 python 中实现他的逻辑。
种子值与方差无关，它用于重现完全相同的序列，可用于调试，在相同负载下测试不同的算法，或拉出一些所谓的估计中的方差减少方案。如果您想要相同的方差，请为您的法线使用相同的比例参数（标准偏差）。

标签： python random seed

【解决方案1】：

我想你只是想要这样的东西：

import numpy as np

n = 500
x = np.random.normal(0, 0.002,  n)
y = np.random.normal(0, 0.0092, n)
z = np.random.normal(0, 0.7,    n)

请注意，第二个参数scale 是标准偏差（即方差的平方根），因此您可能需要在其中调用np.sqrt，因为您的速度方差确实为 0.002

上面使用“矢量化”来一次生成 500 个样本，而不是对每个值进行单独调用。如果您想在循环中生成，您可以执行以下操作：

x = np.zeros(n)
for i in range(n):
  x[i] = np.random.normal(0, 0.002)

对于每个参数，但这写起来更繁琐，运行起来更慢，所以大多数人不会这样做

【讨论】：