批量生成数据集_使用Python+sklearn实现绘制随机生成的多标签数据集
本示例描述了 
sphx_glr_plot_random_multilabel_dataset_001 输出：
make_multilabel_classification 数据集生成器的使用过程，该函数生成的数据中每个样本都包含两个特征的计数(总共最多50个)，这两个特征在两个类中的分布不同。 样本点标记如下，其中Y表示类存在：
1 2 3 Color星号标记每个类的预测样本；其大小反映选择该标签的概率。 左右示例强调
Y N N Red N Y N Blue N N Y Yellow Y Y N Purple Y N Y Orange Y Y N Green Y Y Y Brown
n_labels 参数：右图中的很多示例具有2或3个标签。 注意，这个二维示例是非常简陋的，一般来说，特征数量要远远大于“文档长度”，而这里我们有比词汇表大得多的文档。同样地，当 n_classes > n_features 时，特征区分特定类的可能性要小得多。 sphx_glr_plot_random_multilabel_dataset_001 输出：
The data was generated from (random_state=1013):Class P(C) P(w0|C) P(w1|C)
red 0.64 0.97 0.03
blue 0.06 0.60 0.40
yellow 0.30 0.09 0.91import numpy as npimport matplotlib.pyplot as pltfrom sklearn.datasets import make_multilabel_classification as make_ml_clf
print(__doc__)
COLORS = np.array(['!','#FF3333', # red'#0198E1', # blue'#BF5FFF', # purple'#FCD116', # yellow'#FF7216', # orange'#4DBD33', # green'#87421F' # brown
])# 对多个make_multilabel_classification调用使用相同的随机种子# 确保分布相同
RANDOM_SEED = np.random.randint(2 ** 10)def plot_2d(ax, n_labels=1, n_classes=3, length=50):
X, Y, p_c, p_w_c = make_ml_clf(n_samples=150, n_features=2,
n_classes=n_classes, n_labels=n_labels,
length=length, allow_unlabeled=False,
return_distributions=True,
random_state=RANDOM_SEED)
ax.scatter(X[:, 0], X[:, 1], color=COLORS.take((Y * [1, 2, 4]
).sum(axis=1)),
marker='.')
ax.scatter(p_w_c[0] * length, p_w_c[1] * length,
marker='*', linewidth=.5, edgecolor='black',
s=20 + 1500 * p_c ** 2,
color=COLORS.take([1, 2, 4]))
ax.set_xlabel('Feature 0 count')return p_c, p_w_c
_, (ax1, ax2) = plt.subplots(1, 2, sharex='row', sharey='row', figsize=(8, 4))
plt.subplots_adjust(bottom=.15)
p_c, p_w_c = plot_2d(ax1, n_labels=1)
ax1.set_title('n_labels=1, length=50')
ax1.set_ylabel('Feature 1 count')
plot_2d(ax2, n_labels=3)
ax2.set_title('n_labels=3, length=50')
ax2.set_xlim(left=0, auto=True)
ax2.set_ylim(bottom=0, auto=True)
plt.show()
print('The data was generated from (random_state=%d):' % RANDOM_SEED)
print('Class', 'P(C)', 'P(w0|C)', 'P(w1|C)', sep='\t')for k, p, p_w in zip(['red', 'blue', 'yellow'], p_c, p_w_c.T):
print('%s\t%0.2f\t%0.2f\t%0.2f' % (k, p, p_w[0], p_w[1]))下载python源代码:plot_random_multilabel_dataset.py
下载Jupyter notebook源代码:plot_random_multilabel_dataset.ipynb
欢迎大家和我一起沿着scikit-learn文档这条路线，一起巩固机器学习算法基础。(添加微信：mthler，备注：sklearn学习，一起进【sklearn机器学习进步群】开启打怪升级的学习之旅。)
