【机器学习】【样本数据生成器】聚类算法中使用make_blobs聚类数据生成器(sklearn.datasets.make_blobs)

官网manual详见：sklearn.datasets.make_blobs

klearn.datasets.make_blobs( n_samples=100,             #样本总数
                            n_features=2,              #每个样本的特征值总数
                            centers=3,                 #有几簇聚类数据
                            cluster_std=1.0,           #每簇的标准差，可以设置成[1.0, 2.0, 4.0]依次依次表示每簇数据的标准差
                            center_box=(-10.0, 10.0),  
                            shuffle=True, 
                            random_state=None)

一般使用sklearn的make_blobs模块生成聚类算法使用的测试数据样本集，聚类数据样本集。

样本集：

1）n_samples：样本集中的样本总数

2）n_features：如果每个样本有2个特征数，则可以通过设置入参n_features=2即可

3）centers：如果需要有2簇（或者3簇）聚类数据，可以通过设置入参centers=2即可

4）返回的data就是样本集，data是一个n_features列的数组，data的总元素=n_samples。即一个坐标轴代表样本的一个特征

    data, data_flag = make_blobs(……)

5）返回的第二个data_flag就是每个样本的标记

    data, data_flag = make_blobs(……)

1.代码

# -*- coding: utf-8 -*-
"""
@author: 蔚蓝的天空TOM
Talk is cheap, show me the code
Aim:使用sklearn的make_blobs模块生成聚类算法使用的测试数据，聚类数据样本集
"""

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

if __name__ == '__main__':
    #待生成的样本的总数N
    N = 400
    #每个样本的特征数m
    feature_cnt = 2
    #要生成的样本中心（类别）数，或者是确定的中心点
    centers = 3
    #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
    stds = [1.0, 2.0, 4.0]
    #生成的样本数据集
    data = []
    #样本数据集的标签
    data_flag = []
    #生成3簇聚类数据集，每个样本有2个特征数
    data, data_flag = make_blobs(n_samples=N, n_features=feature_cnt, centers=centers, cluster_std=stds)

    #显示方法1：打印数据
    print('feature1:',data[:, 0])
    print('feature2:',data[:,1])
    print('sample flag:',data_flag)
    #显示方法2：显示图形
    plt.scatter(data[:, 0], data[:, 1], c=data_flag)
    plt.show()

2.生成的聚类数据样本集

2.1图像显示

2.2数据集打印

runfile('C:/Users/Administrator/tom_sklearn_make_blobs.py', wdir='C:/Users/Administrator')
feature1: [  2.54001684   5.22477454  -6.10862356  -9.44626916  -7.19535902
   5.2679688  -11.42425981  -9.67999405  -5.75053619   3.41957156
   5.09385822   3.63539