快速生成一組環形資料

ChebyshevTST發表於2023-11-23

  sklearn是一個開源的機器學習庫，支援不同種類的機器學習演算法，並且提供了許多質量良好的資料集。假如我們想要得到一組環形資料集，藉助sklearn的包很輕易就可以實現，不過換個角度思考，我們自己動手是否也可以生成一組資料，使之在散點圖上環狀分佈；藉助C++的random標頭檔案以及一點高中數學知識，我們很快也可以打造屬於自己的資料集。

  簡單回顧一下，ρ與x和y之間的關係，y=ρsin(θ)，x=ρcos(θ)。這是第一象限的情況，對於其它象限，只需要注意角度和符號的關係便可。

#include <iostream>
#include <fstream>
#include <random>
#include <string>
#include <utility>
#include <cmath>

std::random_device rd;
std::mt19937 g(rd());
std::uniform_real_distribution dis(0.0, M_PI * 2);

std::pair<double, double> circleData(double radius) {
    double tolerance = radius / (30.0 + dis(g));
    int n;
    double d = dis(g);
    if (d < M_PI)
        n = 1;
    else 
        n = -1;

    double r = radius + n * tolerance * dis(g);
    double x, y;
    double sita = dis(g);
    double mapping = sita / (M_PI / 2);

    if (mapping < 1.0) {
        x = r * cos(sita);
        y = r * sin(sita);
    } else if (mapping < 2.0) {
        x = -r * cos(M_PI - sita);
        y = r * sin(M_PI - sita);
    } else if (mapping < 3.0) {
        x = -r * cos(sita - M_PI);
        y = -r * sin(sita - M_PI);
    } else {
        x = r * cos(2 * M_PI - sita);
        y = -r * sin(2 * M_PI - sita);
    }

    return std::pair<double, double>{x, y};
}

void generateData(const std::string& path, std::size_t n = 1000, double radius = 1000.0) {
    std::ofstream out{path};

    out << "X,Y\n";
    for (std::size_t i{}; i < n; ++i) {
        std::pair<double, double> pii = circleData(radius);
        std::string str = std::to_string(pii.first) + ',' + std::to_string(pii.second) + '\n';
        out << str;
    }
}

int main() {
    std::string str{};
    std::cin >> str;
    generateData(str);
}

  需要額外補充幾點：1.生成的資料並不必完全呈環狀，有稍微的偏差更加符合隨機性，所以這裡定義了tolerance變數，允許在半徑範圍內有一定的誤差。2.生成的資料會寫入csv格式的檔案當中，而csv格式下的資料說白了就是一堆以逗號作為分割界限的字串，後面用藉助Python的pandas庫便能很容易地對csv格式檔案進行解析。3.為了確定隨機生成的角度屬於哪一象限，只需要除以(pi/2)即可判斷，浮點數比較帶來的精度丟失可接受。

  接下來開啟Python的編輯器，只需要寫入下列程式碼：

import pandas as pd
import matplotlib.pyplot as plt


def f():
    file = 'data.csv'
    data = pd.read_csv(file)

    x = data['X']
    y = data['Y']

    plt.scatter(x, y)
    plt.title('Circle Data')
    plt.xlabel('X')
    plt.ylabel('Y')
    plt.show()

if __name__ == '__main__':
    f()

 

  這是在半徑為10000時的效果，為了多作幾組對比，我們分別選取半徑為100，1000的圖片進行測試。

  總結：效果看上去都還不錯，不過並不一定任何時候都能滿足需求，可以對程式碼當中的引數進行一定的調整，生成更符合預期的資料集。

相關文章