如何使用Sklearn生成自己的数据集

1.生成符合正态分布的聚类数据

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

x, y = make_blobs(n_samples=1500, n_features=2, centers=5)

plt.scatter(x[:, 0], x[:, 1], c=y, s=6)
plt.show()

参数说明：

"""
Parameters
----------
n_samples :int或类似数组，可选（默认值为100）如果是int，则为平均除以集群。
		   如果数组相似，则序列的每个元素指示每个群集的样本数。

n_features : int，可选（默认值为2）
			 每个样本的特征数。

centers : 形状的整数或数组[n_中心，n_特征]，可选（默认设置为无）
		  要生成的中心数或固定中心位置。
		  如果n_samples为int，centers为None，则生成3个中心。    			
		  如果n_样本是数组形式，则中心必须是无或长度等于n个样本长度的数组。

cluster_std : 浮动或浮动序列，可选（默认值=1.0）
		      簇的标准差。

center_box : 一对浮动（最小，最大），可选（默认值=（-10.0，10.0））
		     随机生成中心时每个群集中心的边界框。

shuffle : boolean，可选（默认值为True）
		  洗牌样本（应该是将样本乱序的意思）。

random_state : int，随机状态实例或无（默认）
			   确定数据集创建的随机数生成。
			   为跨多个函数调用的可复制输出传递int。

Returns
-------
X : array of shape [n_samples, n_features]
    生成的样本。

y : array of shape [n_samples]
    每个样本的群集成员身份的整数标签。"""

2.生成同心圆样本点

from sklearn.datasets import make_circles

x, y = make_circles(n_samples=15000, shuffle=True,
                    noise=0.03, random_state=None, factor=0.6)

plt.scatter(x[:, 0], x[:, 1], c=y, s=7)
plt.show()

参数说明：

"""
Parameters
----------
n_samples : int，可选（默认值为100）
		    生成的点的总数。
		    如果是奇数，则内圈比外圈多出一个点。
		    
shuffle : boolean，可选（默认值为True）
		  是否打乱样本。

noise : double or None (默认值为无)
        加在数据中的高斯噪声的标准差。

random_state : int，随机状态实例或无（默认）
			   确定数据集洗牌和噪声的随机数生成。
			   为跨多个函数调用的可复制输出传递int。

factor : 0 < double < 1 (默认值为.8)
        内外圆之间的比例因子。

Returns
-------
X : array of shape [n_samples, 2]
    生成的样本。

y : array of shape [n_samples]
    每个样本的类成员身份的整数标签（0或1）。"""

3.生成模拟分类数据集