共计 533 个字符，预计需要花费 2 分钟才能阅读完成。

要给数据加上高斯噪声，可以使用 numpy.random.normal 函数生成高斯分布的随机数，并将其加到原始数据上。下面是一个示例代码：

import numpy as np

def add_gaussian_noise(data, mean, std):
    noise = np.random.normal(mean, std, size=data.shape)
    noisy_data = data + noise
    return noisy_data

# 示例数据
data = np.array([1, 2, 3, 4, 5])

mean = 0  # 噪声的均值
std = 0.1  # 噪声的标准差

noisy_data = add_gaussian_noise(data, mean, std)
print(noisy_data)

在上面的代码中，add_gaussian_noise函数接受三个参数：原始数据 data、噪声的均值mean 和噪声的标准差 std。该函数首先使用numpy.random.normal 函数生成与原始数据形状相同的高斯分布随机数（均值为mean，标准差为std），然后将这些随机数加到原始数据上，得到带有高斯噪声的数据。最后，打印输出带有噪声的数据。

请根据实际需要修改示例代码中的数据和参数。

丸趣 TV 网 – 提供最优质的资源集合！