用sklearn.datasets.make_blobs来生成数据

sklearn.datasets.make_blobs

sklearn.datasets. make_blobs ( n_samples=100,  n_features=2,  centers=3,  cluster_std=1.0,  center_box=(-10.0,  10.0),  shuffle=True,  random_state=None ) [source]

Parameters:

n_samples : int, optional (default=100) The total number of points equally divided among clusters. n_features : int, optional (default=2) The number of features for each sample. centers : int or array of shape [n_centers, n_features], optional (default=3) The number of centers to generate, or the fixed center locations. cluster_std : float or sequence of floats, optional (default=1.0) The standard deviation of the clusters. center_box : pair of floats (min, max), optional (default=(-10.0, 10.0)) The bounding box for each cluster center when centers are generated at random. shuffle : boolean, optional (default=True) Shuffle the samples. random_state : int, RandomState instance or None, optional (default=None) If int, random_state is the seed used by the random number generator; If RandomState instance, random_state is the random number generator; If None, the random number generator is the RandomState instance used by np.random.

Returns:

X : array of shape [n_samples, n_features] The generated samples. y : array of shape [n_samples] The integer labels for cluster membership of each sample.

以上源于sklearn，http://scikit-learn.org/stable/modules/generated/sklearn.datasets.make_blobs.html

输入：

n_samples表示产生多少个数据。n_features表示数据是几维。centers表示数据点中心，可以输入int数字，代表有多少个中心，也可以输入几个坐标（fixed center locations）。cluster_std表示分布的标准差。

返回值：

X，[n_samples, n_features]形状的数组，代表产生的样本

y，[n_samples]形状的数组，代表每个点的标签(类别)

例子：

例如要生成5类数据（100个样本，每个样本有2个特征），代码如下：

from sklearn.datasets import make_blobs
from matplotlib import pyplot

data, label = make_blobs(n_samples=100, n_features=2, centers=5)
# 绘制样本显示
pyplot.scatter(data[:, 0], data[:, 1], c=label)
pyplot.show()

 


如果希望为每个类别设置不同的方差，需要在上述代码中加入cluster_std参数：

from sklearn.datasets import make_blobs
from matplotlib import pyplot

data, label = make_blobs(n_samples=10, n_features=2, centers=3, cluster_std=[0.8, 2.5, 4.5])
# 绘制样本显示
pyplot.scatter(data[:, 0], data[:, 1], c=label)#c=label为不同的类别设置不同的颜色
pyplot.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

本文为转载，来源：https://blog.csdn.net/ichuzhen/article/details/51768934

----------------------------------------------------------------------------------------------------

愿共同学习，共同进步，若有错误，欢迎指正！