怎样电脑登录网站,网站推广seo系统,注册公司材料怎么准备,wordpress 分类不显示全文1#xff0e;数据集制作思路#xff08;生成用于拟合金融趋势图像的分段线性函数#xff09; 那么如何去制作这样的一个类minist的金融趋势曲线数据集呢#xff1f; 还是如上图所示#xff0c;为了使类别平均分布#xff0c;因此可以选取三种“buy”的曲线、三种“sell”…1数据集制作思路生成用于拟合金融趋势图像的分段线性函数 那么如何去制作这样的一个类minist的金融趋势曲线数据集呢 还是如上图所示为了使类别平均分布因此可以选取三种“buy”的曲线、三种“sell”的曲线以及三种“no”的曲线来作为新数据集的基本数据类别。那么buy类别的曲线可以选取上图中的第14、12、19个图像并将其主标签类别设为0、1、2那么sell类别的曲线可以选取上图中的第2、5、7个图像并将其主标签类别设为3、4、5那么no类别的曲线可以选取上图中的第4、15、18个图像并将其主标签类别设为6、7、8。 选好标签后就是考虑如何去拟合它们。我们发现选取的这些图片都各有千秋。比如第2个表示“sell”的图其实可以直接用y-kx进行拟合只是调整它的斜率k0即可。第12、25张图也同理。而像第4张图它其实可以用两段分段线性函数去拟合当然你也可以去使用多段线性函数去拟合它我这里为了偷懒就说两段吧。而且还有一个原因就是无论你是两段还是更多段在你把它转为28*28的像素图片后其实里面的细节不太容易看出来所以我觉得两段就行。如下图所示前一段可以用y±kx表示而后一段可以使用ykx(k0)表示分别随机调整它们的斜率就能生成无数种类似图片。第1、3、4、5、6、7、9、11、14、15、16、19、20、23、24张图也同理。而剩下没有提到的图片我认为可以使用三段线性函数去进行拟合因为以17举例它包括了一段降、一段升和一段降的趋势也主要是这三种趋势会提示网络不进行买卖的操作。 有了上面的思路后就好说了以生成第14张图为例直接上代码下面这段代码不光把第14张图的曲线拟合出来了还对生成的图像进行了黑底白线的处理。且生成的图像的两段的斜率是随机的从而保证能够生成若干张图片来形成数据集。
import matplotlib.pyplot as plt
import numpy as np
import randomt1 np.arange(-4, 0, 0.01)#分段函数的定义域与精度
t2 np.arange(0, 2, 0.01)# print(random.randint(pre_data0,99))
y1_list [] # 记录函数值
y2_list [] # 记录函数值
number 50
def y(t1,t2):t1 t1 * random.uniform(1,5) # t1 * 随机的斜率kt2 t2 * random.uniform(1,5)for i in t1:y1_list.append(i)for j in t2:y2_list.append(-j)num6000 #需要制造的数据量
for j in range(num):y1_list []y2_list []y(t1, t2)#调整画布背景颜色为黑色ax plt.axes().set_facecolor(black)#根据函数画出来的曲线是白色并且稍粗一些plt.plot(t1, y1_list, linewidth 3.0, colorwhite)plt.plot(t2, y2_list, linewidth 3.0, colorwhite)#去横纵坐标ax plt.subplot()ax.set_xticks([])ax.set_yticks([])#去图片边框plt.subplots_adjust(top1, bottom0, right1, left0, hspace0, wspace0)plt.margins(0, 0)#用于放大缩小图像plt.xlim(-5, 3) # 坐标轴范围plt.ylim(-8, 1)plt.savefig(./pre_data0/{}_0.jpg.format(j1))plt.show()
