使用mglearn库的make_forge时出现DeprecationWarning警告的探索

原代码及出现的警告

import mglearn
#模拟二分类的 forge 数据集
X,y = mglearn.datasets.make_forge()
#绘图表示数据集
mglearn.discrete_scatter(X[:,0],X[:,1],y)
plt.legend(['Class 0','Class 1'],loc=4)

代码成功编译了，但是出现了下述警告。

该警告提示说mglearn的Function make_blobs过期了，推荐直接使用从scikit-learn加载的make_blobs。于是我尝试按照警告的提示直接从scikit-learn实例化make_blobs。

从sklearn创建make_blobs实例

from sklearn.datasets import make_blobs
#生成二分类的isotropic Gaussian blobs
X,y = make_blobs(centers=2)
mglearn.discrete_scatter(X[:,0],X[:,1],y)
plt.legend(['Class 0','Class 1'],loc=4)
#打印出来生成的点的个数看一看2333
print(X.shape,y.shape)
print({n:v for n,v in zip(['Class 0','Class 1'],np.bincount(y))})

生成的点长这个样子，默认个数是100个，平均分配到两个类别里

Scikit Learn关于make_blobs的官方文档

#Generate isotropic Gaussian blobs for clustering.
sklearn.datasets.make_blobs(n_samples=100, n_features=2, centers=None, 
				cluster_std=1.0, center_box=(-10.0, 10.0), shuffle=True,
				random_state=None)

参数	描述
n_samples	1.如果是一个整数，则代表样本点的总数，会平均分配在每一个类别里。2.如果是一个数组，则表示每个类别的样本点个数。 （默认值为100）
n_features	每个样本的特征数量。（默认值为2）
centers	1.n_samples为整数，则表示生成的center的个数，或固定的center的位置。可以理解为类别的个数，即上面的尝试中y的个数。（默认值为3） 2.n_samples为数组形的，应该输入[n_centers, n_features]，即长度等于n_samples长度的数组，或者None。
cluster_std	类别的标准偏差。（默认值为1.0）
center_box	随机生成中心时每个类别中心的边界框。（默认值为（- 10.0，10.0 ））
shuffle	（默认= True）

在看python机器学习基础教程的时候按照书上的代码段敲，出现了这个警告，虽然代码可以成功编译后续的操作也不影响，但是红色的warning让人稍微有点焦躁，就稍微查了一下，顺便做一下记录_(:з」∠)_