我们在学习机器学习算法时,经常需要对比不同的算法在不同的数据集上表现好坏,需要有按照不同的需求来自定义的生成一些数据集。本篇博文将总结python里面一些用来数据生成的包。
最简单的等差数据和等比数据
# 如果生成一定规则的数据,可以使用NumPy提供的专门函数
# arange函数类似于python的range函数:指定起始值、终止值和步长来创建数组
# 和Python的range类似,arange同样不包括终值;但arange可以生成浮点类型,而range只能是整数类型
a = np.arange(1, 10, 0.5)
b = np.linspace(1, 10, 10)# linspace函数通过指定起始值、终止值和元素个数来创建数组,缺省包括终止值
c = np.linspace(1, 10, 10, endpoint=False) # 可以通过endpoint关键字指定是否包括终值
logspace可以创建等比数列
d = np.logspace(1, 2, 9, endpoint=True)# 下面函数创建起始值为10^1,终止值为10^2,有10个数的等比数列
f = np.logspace(0, 10, 11, endpoint=True, base=2)# 下面创建起始值为2^0,终止值为2^10(包括),有10个数的等比数列
scipy按照特定分布来产生随机数据
各种分布的介绍请看各种分布介绍
python中各种分布的包的使用介绍各种分布包使用
python 伪数据生成器Faker
详情请看faker文档
sklearn数据生成器简介
详情请看 sklearn.datasets: Datasets