机器学习（一）：低纬数据可视化

机器学习（一）：低纬数据可视化

(第一次写博客，后续相关学习任务应该会继续发布）
任务要求

1.安装软件python和工具包sklearn

①安装python,可以直接从官网https://www.python.org/进行下载
②sklearn包可以通过pip install sklearn命令进行安装（若安装失败，可能是pip未升级，
可通过’python -m pip install --upgrade pip’ 进行升级）

2.生成数据 make_circles和make_moons,并显示X=400x2,Y = {0, 1}400

① make_circles函数
sklearn.datasets.make_circles(n_samples=100, shuffle=True,
noise=None, random_state=None, factor=0.8)
作用是生成一个二维的大圆，包含一个小圆

相关参数说明：
n_samples：整数 可选 默认为100生成的总点数。（如果是奇数，内圆比外圆多一点，但是测试输入5后，内圆和外圆均是两个点）
shuffle：布尔变量 可选 默认为True，是否打乱样本。
noise：double或None ，默认为None，将高斯噪声的标准差加入到数据中。
random_state：整数 RandomState instance or None，确定数据集变换和噪声的随机数生成。
factor：0 < double < 1 默认值0.8，内外圆之间的比例因子。

② make_moons函数
x,y = datasets.make_moons(n_samples=800,noise=None,shuffle=False,random_state=None)
相关参数说明：
n_numbers:生成样本数量
shuffle:数据是否打乱
noise:默认是false，数据集是否加入高斯噪声
random_state:生成随机种子，给定一个int型数据，能够保证每次生成数据相同。

③代码

from