sklearn.datasets.make_blobs的使用

sklearn中的make_blobs模块用于为聚类生成一些带标签的数据

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)

参数解释：

• n_samples：表示的是样本点的个数，默认是100。如果其为类数组型值，则序列中的每个元素表示每个集群的样本数。
• n_features：表示数据的维度，默认值是2。
• centers：产生数据的中心点，默认值为3。centers等于几，所产生数据的类别就有几类。
• cluster_std：数据集的标准差，浮点数或者浮点数序列，默认值1.0。
• center_box：中心确定之后的数据边界，默认值(-10.0, 10.0)。
• shuffle：洗乱，默认值是True。
• random_state：官网解释是随机生成器的种子。

实例：

# 导入模块
from sklearn.datasets.samples_generator import make_blobs
# 生成了一个具有50个样本点，分为两类的带有标签y的二维数据集。
X, y = make_blobs(n_samples=50, centers=2,
                  random_state=0, cluster_std=0.60)  
# 数据可视化
plt.scatter(X[:, 0], X[:, 1], c=y, s=50, cmap='autumn')