通过置换标签的方式给数据集加噪声

原创

已于 2022-05-07 11:00:19 修改 · 2.7k 阅读

收录于

当前文章被以下社区和专栏收录：

于 2021-07-07 09:50:52 首次发布

本文介绍了一种针对带标签数据集的噪声添加方法，通过将特定类别标签按比例随机替换实现，以模拟现实中的数据噪声。使用Python代码演示了如何在wine.csv数据集上应用20%的标签噪声，包括各类别标签处理的详细步骤。

这次我所介绍的噪声添加方法是针对带标签的数据集，通过置换标签类别的方式实现。

比如，标签中有0、1两个类别，所加噪声占整个数据集的比例为20%，那么我们会将20%的0标签换成1，将20%的1标签置换成0。

多个类别也是一样的，如果3个类别，分别为0、1、2，噪声比例还是20%，如果0标签所占的比例为50%，1标签所占整个数据集的比例为30%,2标签所占整个数据集的比例为20%，整个数据集有100个样本点。那么我们对0标签加噪的样本点个数为100*50%*20%=10个，这10个噪声点里边有 $10\times (\frac{30%}{(30%+20%)})=6$ 个噪声会变成1，有 $10\times (\frac{20%}{(30%+20%)})=4$ 个样本点会变成2。

其他的也是一样的操作，具体python代码如下：

import pandas as pd
import collections
import copy
import warnings

from sklearn.utils import shuffle

warnings.filterwarnings("ignore")

def recreat_data(name,url,url1,pre):
    """
    :param name: 加噪之后的数据集文件名
    :param url: 原数据集地址

标签