python中sklearn.datasets.make_blobs()函数用法

make_blobs定义：

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)

make_blobs函数是为聚类产生数据集，产生一个数据集和相应的标签
参数：
n_samples：表示数据样本点个数,默认值100
n_features：是每个样本的特征（或属性）数，也表示数据的维度，默认值是2
centers：表示类别数（标签的种类数），默认值3；int或形状数组[n_centers，n_features]，可选默认= None）要生成的中心数或固定的中心位置。 如果n_samples是一个int且center为None，则将生成3个中心。 如果n_samples是数组类，则中心必须为None或长度等于n_samples长度的数组。
cluster_std：表示每个类别的方差，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cluster_std设置为[1.0,3.0]，浮点数或者浮点数序列，默认值1.0
center_box：中心确定之后的数据边界，默认值(-10.0, 10.0)
shuffle：将数据进行洗乱，默认值是True
random_state：官网解释是随机生成器的种子，可以固定生成的数据，给定数之后，每次生成的数据集就是固定的。若不给定值，则由于随机性将导致每次运行程序所获得的的结果可能有所不同。

返回值：
形状为[n_samples，n_features]的X数组
形状为[n_samples]的y数组