sklearn.datasets.make_classification详解

sklearn.datasets.make_classification

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)

参数

参数	格式	描述
n_samples	int, default=100	待生成的样本量
n_features	int, default=20	特征总数，由n_informative个有效特征，n_redundant个无效特征，n_repeated个重复特征，以及剩下的n_features-n_informative-n_redundant-n_repeated个随机无用特征
n_informative	int, default=2	有效信息特征的数量，每个类别的样本都由高斯族组成，处在维度为n_informative的子空间中
n_redundant	int, default=2	冗余特征的数量，这些特征是有效信息特征的随机线性组合
n_repeated	int, default=0	从信息特征和冗余特征中随机抽取的重复特征的数量。
n_classes	int, default=2	类别数
n_clusters_per_class	int, default=2	每个类的样本族群数量
weights	array-like of shape (n_classes,) or (n_classes - 1,), default=None	分给每个类的样本比例
flip_y	float, default=0.01	随机分配类别的样本的百分比。较大的值在标签中引入噪声，使分类任务更加困难。注意，默认设置flip_y > 0在某些情况下可能导致y中小于n_classes。
class_sep	float, default=1.0	用来乘以超立方体的大小。较大的值分散了集群/类，使分类任务更容易
hypercube	bool, default=True	如果为True，则将集群放在超立方体的顶点上。如果为False，则将集群放在随机多边形的顶点上。
shift	float, ndarray of shape (n_features,) or None, default=0.0	按指定值移动特性。如果为None，则通过[-class_sep, class_sep]中的随机值来移动特征。
scale	float, ndarray of shape (n_features,) or None, default=1.0	将特征乘以指定的值。如果为None，则按[1,100]中的随机值进行缩放。注意，缩放发生在移动之后。
shuffle	bool, default=True	打乱样本和特征。
random_state	int, RandomState instance or None, default=None	确定用于创建数据集的随机数生成

返回值

名称	性质	描述
X	ndarray of shape (n_samples, n_features)	产生的样本
y	ndarray of shape (n_samples,)	每个样本的整数类别标签