1、make_moons()
sklearn.datasets.make_moons(n_samples=100, shuffle=True, noise=None, random_state=None)
制作月亮型数据。
重要参数:n_samples:设置样本数量、noise:设置噪声、random_state:设置随机参数(嘿嘿,无所谓,随便设),我们主要讲参数noise
(1)将noise设置为0
(2)将noise设置为0.1
我们发现这个noise设置的越大,那么噪声就越大。
2、 make_circles()
sklearn.datasets.make_circles(n_samples=100, shuffle=True, noise=None, random_state=None, factor=0.8)
重要参数:n_samples:设置样本数量、noise:设置噪声、factor:0 < double < 1 默认值0.8,内外圆之间的比例因子、random_state:设置随机参数(嘿嘿,无所谓,随便设),我们主要讲参数noise、factor
(1)将noise设置为0,factor设置为0.1
(2)将noise设置为0.1,factor设置为0.5
我们发现这个noise设置的越大,那么噪声就越大,factor设置的越大,两个环就越近。
3、make_classification()
最难了!!!!
sklearn.datasets.make_classification(n_samples=100, n_features=20, n_informative=2,
n_redundant=2, n_repeated=0, n_classes=2, n_clusters_per_class=2, weights=None,
flip_y=0.01, class_sep=1.0, hypercube=True,shift=0.0, scale=1.0,
shuffle=True, random_state=None)
功能:生成样本集,通常用于分类算法
参数:
n_features :特征个数= n_informative() + n_redundant + n_repeated
n_informative:多信息特征的个数
n_redundant:冗余信息,informative特征的随机线性组合
n_repeated :重复信息,随机提取n_informative和n_redundant 特征
n_classes:分类类别
n_clusters_per_class :某一个类别是由几个cluster构成的