要给数据加上高斯噪声，可以使用numpy.random.normal函数生成高斯分布的随机数，并将其加到原始数据上。下面是一个示例代码：
import numpy as np
def add_gaussian_noise(data, mean, std):
noise = np.random.normal(mean, std, size=data.shape)
noisy_data = data + noise
return noisy_data
# 示例数据
data = np.array([1, 2, 3, 4, 5])
mean = 0 # 噪声的均值
std = 0.1 # 噪声的标准差
noisy_data = add_gaussian_noise(data, mean, std)
print(noisy_data)
在上面的代码中，add_gaussian_noise函数接受三个参数：原始数据data、噪声的均值mean和噪声的标准差std。该函数首先使用numpy.random.normal函数生成与原始数据形状相同的高斯分布随机数（均值为mean，标准差为std），然后将这些随机数加到原始数据上，得到带有高斯噪声的数据。最后，打印输出带有噪声的数据。
请根据实际需要修改示例代码中的数据和参数。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 55@qq.com 举报，一经查实，本站将立刻删除。转转请注明出处：https://www.szhjjp.com/n/850728.html
