python创建数据集_Python:生成用于机器学习的测试数据集

每当我们想到机器学习时，想到的第一件事就是数据集。虽然您可以在Kaggle等网站上找到许多数据集，但有时提取自己的数据并生成自己的数据集很有用。生成自己的数据集可让您更好地控制数据，并训练您的机器学习模型。

在本文中，我们将使用Python中的Numpy库生成随机数据集。

需要的库：

-> numpy ： sudo pip安装numpy

->熊猫： sudo pip install pandas

-> Matplotlib： sudo pip安装matplotlib

正态分布：

在概率论中，正态分布或高斯分布是关于均值对称的非常常见的连续概率分布，这表明均值附近的数据比不均值的数据发生的频率更高。统计中使用的正态分布，通常用于表示实值随机变量。

正态分布是统计分析中最常见的分布类型。标准正态分布具有两个参数：平均值和标准偏差。平均值是分布的主要趋势。标准偏差是变异性的量度。它定义了正态分布的宽度。标准偏差确定值与平均值之间的下降幅度。它代表观测值与平均值之间的典型距离。它适合许多自然现象，例如身高，血压，测量误差和智商得分遵循正态分布。

正态分布图：

例：

filter_none

亮度_4

# importing libraries

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

# initialize the parameters for the normal

# distribution, namely mean a