python机器学习库sklearn——生成样本数据

Linux编程

点击右侧关注，免费入门到精通！

作者丨数据架构师

sklearm自带数据

sklearn自动了下面几种数据用于算法练习。

load_boston([return_X_y]) 加载波士顿房价数据；用于回归问题

load_iris([return_X_y]) 加载iris 数据集；用于分类问题

load_diabetes([return_X_y]) 加载糖尿病数据集；用于回归问题

load_digits([n_class, return_X_y]) 加载手写字符集；用于分类问题

load_linnerud([return_X_y]) 加载linnerud 数据集；用于多元回归问题

波士顿房价数据，回归使用。样本数据集的特征默认是一个(506, 13)大小的矩阵，样本值是一个包含506个数值的向量。

iris花卉数据，分类使用。样本数据集的特征默认是一个(150, 4)大小的矩阵，样本值是一个包含150个类标号的向量，包含三种分类标号。

糖尿病数据集，回归使用。样本数据集的特征默认是一个(442, 10)大小的矩阵，样本值是一个包含442个数值的向量。

手写体数据，分类使用。每个手写体数据使用8*8的矩阵存放。样本数据为(1797, 64)大小的数据集。

linnerud数据集，多元回归使用。样本数据集的特征默认是一个(20, 3)大小的矩阵，样本值也是(20, 3)大小的矩阵。也就是3种特征，有3个输出结果，所以系数矩阵w为(3, 3)

加载样本图案

生成自定义分类数据

通常用于分类算法。

n_features :特征个数= n_informative + n_redundant + n_repeated

n_informative：多信息特征的个数

n_redundant：冗余信息，informative特征的随机线性组合

n_repeated ：重复信息，随机提取n_informative和n_redundant 特征

n_classes：分类类别

n_clusters_per_class ：某一个类别是由几个cluster构成的

这里生成的数据集图如下，由于每次生成的数据都不一样，所以读者看到的图片和这里也不一样的

其他生成分类样本的函数

make_blobs函数会根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。

其中：

n_samples是待生成的样本的总数。

n_features是每个样本的特征数。

centers表示类别数。

cluster_std表示每个类别的方差，例如我们希望生成2类数据，其中一类比另一类具有更大的方差，可以将cluster_std设置为[1.0,3.0]。

make_gaussian_quantiles函数利用高斯分位点区分不同数据

make_hastie_10_2函数利用Hastie算法，生成2分类数据

下面我们通过代码的比较一下这些样本数据的生成。

自定义生成圆形和月牙形分类数据

生成环形数据

factor ：外圈与内圈的尺度因子

生成半环形图

自定义生成回归样本

推荐↓↓↓