python简单的决策树与散点图练习 1111111

#make_classification库生成随机的二分型数据
X,y=make_classification(n_samples=1000,n_features=2,n_redundant=0,n_informative=2,
                        random_state=1,n_clusters_per_class=1)
#二维数据 n_informative：多資訊特徵的個數 n_redundant：冗餘資訊，informative特徵的隨機線性組合，#每个簇内包含的标签类别有1个
plt.scatter(X[:,0],X[:,1])#散点图
plt.show()
X
random_number_group=np.random.RandomState(2)
X += 2*random_number_group.uniform(size=X.shape)#加减0-2之间随机数 作用让紧凑的数据，使数据分布变得更散更稀疏。
X
#uniform() 方法将随机生成下一个实数，它在 [x, y) 范围内
#关于randomstate的问题 如果括号里不设置seed 那么他的生成会多变 如果设置seed 那么会固定该种子的随机数
#具体参考https://www.twblogs.net/a/5b8fccbb2b71776722159c6f
#同时给随机生成器设置seed的目的是每次运行程序得到的随机数的值相同，这样方便测试。
#但是numpy.random.seed()不是线程安全的，如果程序中有多个线程最好使用numpy.random.RandomState实例对象来创建或者使用random.seed()来设置相同的随机数种子。
# numpy.random.uniform介绍：
# 1. 函数原型：  numpy.random.uniform(low,high,size)
#
# 功能：从一个均匀分布[lo