使用正弦函数生成一个包含两个正弦周期的数据集（振幅可自行设定），从中均匀采样 20 个 数据样本，对每个样本的目标变量 yi 添加一个随机的扰动值（扰动值不要太大），形成数据 集 D1；

要生成这样一个数据集，首先我们需要确定振幅、频率、起点和周期。假设我们选择振幅 A=1，频率 f=π，起点 t0=0，周期 T=2π。我们可以按照以下步骤操作：

1. 定义时间范围：从 t0 到 t0 + (2 * T) = 4π，共取 20 个等间距的点作为数据样本。

2. 计算每个样本的 x 值（时间戳）：x_i = i * (T / (n_samples - 1))，其中 i 从 0 到 n_samples-1。

3. 根据正弦函数公式 y = A * sin(2 * π * f * (t - t0))，计算每个 x 值对应的正弦值。

4. 对每个 y 值添加随机扰动：yi = sin(x_i) + ε，其中 ε 是一个随机值，通常服从均值为 0，标准差较小的分布，如小数范围内的正态分布。

以下是 Python 代码实现这一过程：

import numpy as np
import random

# 参数设定
A = 1  # 振幅
f = np.pi  # 频率
t0 = 0  # 起点
T = 2 * np.pi  # 周期
n_samples = 20  # 数据点数量

# 时间步长
dt = T / (n_samples - 1)

# 创建时间轴
time_axis = np.arange(n_samples) * dt

# 正弦波
sine_values = A * np.sin(2 * f * (time_axis - t0))

# 添加随机扰动
random_noise = [random.gauss(0, 0.1) for _ in range(n_samples)]  # 设置扰动标准差为 0.1
data_set_D1 = sine_values + random_noise

data_set_D1 = data_set_D1.tolist()  # 将numpy数组转换为列表

现在，`data_set_D1`是一个包含20个数据样本的列表，每个样本都是一个正弦波加上一个小的随机扰动。