【AI知识点】非独立同分布（non-iid, non-independent and identically distributed）

以下是按照高斯分布对Non-IID数据集进行划分的示例代码： ```python import numpy as np def gaussian_split(X, y, num_clients, std): ''' X: 所有数据的特征矩阵 y: 所有数据的标签 num_clients: 客户端数量 std: 高斯分布的标准差 ''' # 先将数据随机打乱 indices = np.random.permutation(X.shape[0]) X = X[indices] y = y[indices] # 计算每个客户端应该分配多少数据 num_samples = X.shape[0] // num_clients # 定义每个客户端的数据分配 data_splits = [] for i in range(num_clients): # 客户端的数据起始和终止索引 start_idx = i * num_samples end_idx = (i+1) * num_samples # 为每个客户端的标签添加高斯噪声 noisy_y = y[start_idx:end_idx] + np.random.normal(loc=0.0, scale=std, size=num_samples) # 将数据分配给每个客户端 data_splits.append((X[start_idx:end_idx], noisy_y)) return data_splits ``` 使用示例： ```python # 加载数据 X, y = load_data() # 将数据按照高斯分布划分成10个客户端 num_clients = 10 std = 0.1 data_splits = gaussian_split(X, y, num_clients, std) ``` 以上代码仅供参考，实际应用中可能需要根据具体情况进行修改。