Python3实现数据高斯噪声添加详解
发布时间：2026-10-15 |
6人浏览过
本文介绍如何在Python3中利用random库为数据添加高斯噪声。通过调整均值和标准差（sigma），可控制噪声强度，适用于数据增强或模拟实际场景。文中提供完整代码示例及不同sigma值下的效果对比，帮助开发者掌握噪声添加技巧。
Background
高斯噪声是指服从高斯分布（即正态分布）的随机噪声。在某些应用场景中，向标准数据中引入适量的高斯噪声，可以使数据更贴近真实世界的复杂情况，从而提升模型的鲁棒性或测试的准确性。
Python标准库中的random模块已集成高斯正态分布功能，开发者可以直接调用相关函数来生成符合高斯分布的随机数，无需额外安装复杂库即可实现基础噪声添加。
通过灵活调整高斯噪声的均值（mu）和方差（sigma），可以生成不同强度和处理效果的数据。均值通常设为0，而标准差sigma决定了噪声的波动范围，sigma值越大，噪声对原始数据的影响越显著。
原始数据
高斯噪声sigma = 0.05
高斯噪声sigma = 0.1
高斯噪声sigma = 0.15
源码
import random
import numpy as np
from matplotlib import pyplot as plt
def gauss_noisy(x, y):
"""
对输入数据加入高斯噪声
:param x: x轴数据
:param y: y轴数据
:return:
"""
mu = 0
sigma = 0.05
for i in range(len(x)):
x[i] += random.gauss(mu, sigma)
y[i] += random.gauss(mu, sigma)
if __name__ == '__main__':
# 在0-5的区间上生成50个点作为测试数据
xl = np.linspace(0, 5, 50, endpoint=True)
yl = np.sin(xl)
# 加入高斯噪声
gauss_noisy(xl, yl)
# 画出这些点
plt.plot(xl, yl, linestyle='', marker='.')
plt.show()总结
到此这篇关于利用python3如何给数据添加高斯噪声的文章就介绍到这了,更多相关python3添加高斯噪声内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
