make_moon函数介绍

前言

make_moons 是 scikit-learn 中用于生成合成数据集的函数，专门用于创建两个交错的半月形（或新月形）数据集。这种数据集常用于演示聚类算法（如 DBSCAN）或分类算法（如 SVM）在处理非线性可分数据时的性能。以下是详细介绍：

函数介绍

from sklearn.datasets import make_moons
X, y = make_moons(n_samples=100, 
                  noise=0.1, 
                  random_state=None, 
                  shuffle=True)

核心参数

n_samples (默认 100)：生成的总样本数（两个半月形各占一半，如 n_samples=100 则每个半月形含 50 个点）。

noise (默认 0.1)：添加到数据中的噪声标准差，控制数据点的分散程度。值越大，半月形边界越模糊（见下图示例）。

random_state：随机种子，保证生成的数据可复现。

shuffle (默认 True)：是否打乱生成的数据顺序。

返回值

X：形状为 (n_samples, 2) 的数组，表示生成的二维数据点坐标。

y：形状为 (n_samples,) 的数组，表示数据点的类别标签（0 或 1）。

使用示例

1. 生成数据并可视化

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

# 生成数据
X, y = make_moons(n_samples=200, noise=0.1, random_state=42)

# 绘制半月形数据
plt.figure(figsize=(8, 6))
plt.scatter( X[y == 0, 0], X[y == 0, 1], c="blue", label="Class 0")
plt.scatter( X[y == 1, 0], X[y == 1, 1], c="red", label="Class 1")
plt.title("make_moons Dataset (noise=0.1)")
plt.xlabel("Feature 1")
plt.ylabel("Feature 2")
plt.legend()
plt.show()

2. 不同噪声对比

noise_levels = [0.0, 0.1, 0.2]
plt.figure(figsize=(15, 5))

for i, noise in enumerate(noise_levels):
    X, y = make_moons(n_samples=200, noise=noise, random_state=42)
    plt.subplot(1, 3, i+1)
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap="viridis")
    plt.title(f"noise={noise}")
    plt.axis("off")
plt.show()