Numpy学习——随机抽样_numpy 随机采样训练-优快云博客

本文链接：https://blog.youkuaiyun.com/crowgrey/article/details/110147758

这篇博客介绍了如何使用Numpy创建一个5×3的二维数组，填充5到10之间的随机数，并构建了包含5000个数据点的训练集和测试集。进一步，博主模拟了一个函数y(x)，其在x=1处有一个奇异点，并在(-10,10)区间内通过均匀随机分布的x进行定义。训练集添加了[-0.2,0.2]范围内的均匀噪声，而测试集保持无噪声，以模拟真实的回归问题。" 109340493,10049137,程序设计第四章：选择结构深入解析,"['程序设计', '逻辑运算', '条件语句', '嵌套结构', '关系运算']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy学习——随机抽样

创建一个形为5×3的二维数组，以包含5到10之间的随机数

import numpy as np
from matplotlib import pyplot as plt

np.random.seed(20201125)  # 设置随机数种子
array_2d = np.random.uniform(low=5, high=10, size=(5, 3))  # 生成2维数组
print(array_2d)

[[9.04907965 5.17898621 6.03373286]
 [9.71288485 8.12069443 5.06154747]
 [6.56454777 5.25362105 7.39799186]
 [8.6666706  6.1580927  9.67474644]
 [8.39923643 6.77485464 7.81353644]]

创建分别具有5000个数据的训练集和测试集。

模拟
$\begin{cases} \begin{array}{lcl} \cfrac{\sin(x)}{x}&,&x\ne1,\\ 1&,&x=1. \end{array} \end{cases}$

其中 $x$ 在间隔（-10,10）上均匀随机分布。为了使回归问题“真实”，大的均匀噪声分布在[-0.2,0.2]已添加到所有训练样本中，同时测试数据保持无噪声。

noise = np.random.uniform(low=-0.2, high=0.2, size=5000)  # 生成噪声
train_X = np.random.uniform(low=-10, high=10, size=5000)  # 生成训练集X
train_Y = np.sin(train_X)/train_X+noise  # 训练集Y加上噪声
test_X = np.random.uniform(low=-10, high=10, size=5000)  # 生成测试集X
test_Y = np.sin(test_X)/test_X  # 测试集Y

plt.rcParams['figure.figsize'] = (12, 8)  # 设定画板大小
plt.scatter(train_X, train_Y, s=0.1, label='Expected')  # 画散点图
plt.scatter(test_X, test_Y, s=0.1, label='Actual')
plt.legend()  # 显示图例
plt.show()