Simples gerador de amostras sintéticas a partir de distâncias. Requisitos: numpy scikit-learn.

gera_amostras.py

def gera_amostras(dados, k_vizinhos=5, k_amostras=5):
    """
    
    Simples gerador de amostras sintéticas a partir de distâncias. A partir de duas
    amostras P e Q do conjunto de k_amostras, gera uma terceira R igual ao ponto médido
    de P e Q.
    Requisitos: numpy scikit-learn.
    
    Parâmetros
    ----------
        dados :        - matriz numpy com de dimensão (n_amostras, n_atributos)
        
        k_vizinhos=5 : - quantidade de vizinhos usados para amostragem
                       - quanto mais vizinhos maior a probabilidade de amostras esparsas
        
        k_amostras=5 : - quantidade de amostras sintéticas a serem geradas
                       - a quantidade máxima possível é limitada por n_amostras
    
    Retorno
    -------
        novo_dados :   - matriz com (n_amostras + k_amostras, n_atributos)
    
    """
    
    import numpy as np
    from sklearn.neighbors import NearestNeighbors
    
    p_indices = np.random.permutation(dados.shape[0])[:k_amostras]
    p = dados[p_indices]
    
    neigh = NearestNeighbors(k_vizinhos=k_vizinhos)
    neigh.fit(dados)
    kn = neigh.kneighbors(p, return_distance=False)
    
    q_indices = kn[:,np.random.randint(1, k_vizinhos)]
    q = dados[q_indices]
    
    novo_dados = np.append(dados, (p + q) / 2, axis=0)
    
    return novo_dados