sklearn.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) 

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

weights:列表类型,权重比

class_sep:乘以超立方体大小的因子。 较大的值分散了簇/类,并使分类任务更容易。默认为1

random_state: 如果是int,random_state是随机数发生器使用的种子; 如果RandomState实例,random_state是随机数生成器; 如果没有,则随机数生成器是np.random使用的RandomState实例。

返回值:

X:形状数组[n_samples,n_features]
生成的样本。

y:形状数组[n_samples]
每个样本的类成员的整数标签。

转载于:https://www.cnblogs.com/sunbigdata/p/8697729.html

你可能感兴趣的:(人工智能)