python - 我应该如何随机生成异常值？

Question

我正在生成一个随机数据集。我的数据集是连续的，并且有上限和下限。在某些随机点，我希望我的数据集具有高于和低于限制的异常值。这是我的代码。

generated_data = (12) * np.random.rand(100) + 630
outlier_data = (12) * np.random.rand(20) + (*HERE'S THE PROBLEM)
merged_data = np.concatenate((generated_data, outlier_data))

在此之后，我想我将重新整理 merged_data。但我不知道如何正确生成异常值。

Answer 1

只需独立生成数据的三个部分:首先是非离群值，然后是下离群值和上离群值，将它们合并在一起，最后将它们打乱:

def generate(median=630, err=12, outlier_err=100, size=80, outlier_size=10):
    errs = err * np.random.rand(size) * np.random.choice((-1, 1), size)
    data = median + errs

    lower_errs = outlier_err * np.random.rand(outlier_size)
    lower_outliers = median - err - lower_errs

    upper_errs = outlier_err * np.random.rand(outlier_size)
    upper_outliers = median + err + upper_errs

    data = np.concatenate((data, lower_outliers, upper_outliers))
    np.random.shuffle(data)

    return data

你会得到这样的结果:

>>> data = generate()
>>> data.shape
(100,)
>>> data.min()
518.1635764484727
>>> data.max()
729.9467630423616
>>> np.median(data)
629.9427184256936