随机生成数据

1.导入包实现数据可视化

import matplotlib.pyplot as plt

 2.回归数据随机生成

make_regression

from sklearn.datasets import make_regression
X,y,coef=make_regression(n_samples=1000,n_features=1,noise=10,coef=True)

 参数：n_samples（生成样本数），n_features（样本特征数），noise（样本随机噪音，影响数据离散程度）和coef（是否返回回归系数）

X为样本特征，y为样本输出， coef为回归系数，共1000个样本，每个样本1个特征

3.分类数据随机生成

make_classification

from sklearn.datasets import make_classification

X1,Y1=make_classification(n_samples=400,n_features=2,n_redundant=0,n_clusters_per_class=1,n_classes=3)
plt.scatter(X1[:,0],X1[:,1],c=Y1,s=3,marker='o')
plt.show()

 参数：n_samples（生成样本数）， n_features（样本特征数）， n_redundant（冗余特征数）和n_classes（输出的类别数）
 X1为样本特征，Y1为样本类别输出， 共400个样本，每个样本2个特征，输出有3个类别，没有冗余特征，每个类别一个簇

4.聚类数据随机生成

make_blobs

from sklearn.datasets import make_blobs

X,y=make_blobs(n_samples=1000,n_features=2,centers=[[-1,-1],[1,1],[2,2]],cluster_std=[0.4,0.5,0.2])
plt.scatter(X[:,0],X[:,1],c=y,s=3,marker='o')
plt.show()

 参数：n_samples（生成样本数）， n_features（样本特征数），centers(簇中心的个数或者自定义的簇中心)和cluster_std（簇数据方差，代表簇的聚合程度）
# X为样本特征，Y为样本簇类别， 共1000个样本，每个样本2个特征，共3个簇，簇中心在[-1,-1], [1,1], [2,2]， 簇方差分别为[0.4, 0.5, 0.2]

5.分组正态分布数据随机生成

make_gaussian_quantiles

from sklearn.datasets import make_gaussian_quantiles

X1,Y1=make_gaussian_quantiles(n_samples=1000,n_features=2,n_classes=3,mean=[1,2],cov=2)
plt.scatter(X1[:,0],X1[:,1],marker='o',c=Y1,s=3)
plt.show()

 参数：n_samples（生成样本数）， n_features（正态分布的维数，样本特征数），mean（特征均值）， cov（样本协方差的系数）， n_classes（数据在正态分布中按分位数分配的组数）
生成2维正态分布，生成的数据按分位数分成3组，1000个样本，2个样本特征均服从一维正态分布，均值分别为1和2，协方差系数为2

 

6.总结

上述sklearn随机生成参数的共性是都有生成样本数n_samples和样本特征数n_features，对于分类数据多了类别参数n_classes