变异重抽样（rset）是一种用于生成具有变异性的重抽样数据集的方法。下面是一个使用Python的示例代码来创建一个rset对象：

import numpy as np

class RSet:
    def __init__(self, data):
        self.data = data
        self.num_samples = len(data)
    
    def resample(self):
        indices = np.random.choice(self.num_samples, self.num_samples, replace=True)
        return self.data[indices]

在上面的代码中，我们首先定义了一个RSet类。在类的初始化方法中，我们传入原始数据集data并计算数据集的大小num_samples。

然后，我们定义了一个resample方法，该方法使用np.random.choice函数来生成一个具有变异性的重抽样数据集。np.random.choice函数的第一个参数是原始数据集的大小，第二个参数是重抽样的大小，第三个参数replace=True表示可以重复选择相同的样本。

下面是一个使用示例：

data = np.array([1, 2, 3, 4, 5])
rset = RSet(data)

resampled_data = rset.resample()
print(resampled_data)

输出：

[5 3 2 4 2]

在上面的示例中，我们首先创建了一个包含5个元素的原始数据集data。然后，我们创建了一个RSet对象rset，并调用resample方法生成一个重抽样数据集resampled_data。最后，我们打印出重抽样数据集。

注意，由于是随机抽样，每次运行代码时生成的重抽样数据集可能会不同。