Sklearn生成模拟数据集

发表于 更新于
有时候需要一些特定分布的数据，这时候可以采用Sklearn提供的数据生成方法。

随机样本生成

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
from sklearn.datasets import make_classification

# make_classification
X, Y  = make_classification(
    n_samples=100,   # 样本个数
    n_features=20,   # 特征个数
    n_informative=2,  # 多信息特征的个数
    n_redundant=2,  # 冗余信息，informative特征的随机线性组合
    n_repeated=0, # 重复信息，随机提取n_informative和n_redundant 特征
    n_classes=2,  # 分类类别
    n_clusters_per_class=2,  # 某一个类别是由几个cluster构成的
    weights=None,
     flip_y=0.01, 
    class_sep=1.0, 
    hypercube=True,
    shift=0.0, 
    scale=1.0, 
    shuffle=True, 
    random_state=None
)
plt.scatter(X[:, 0], X[:, 1], marker='o', c=Y)
plt.show()

高斯分布样本生成

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import matplotlib.pyplot as plt
from sklearn.datasets import make_gaussian_quantiles

# make_gaussian_quantiles 
X, Y = make_gaussian_quantiles(
    mean=None, 
    cov=1.0, 
    n_samples=100, 
    n_features=2, 
    n_classes=3,
    shuffle=True, 
    random_state=None
)
plt.scatter(X[:, 0], X[:, 1], marker='o', c=Y)
plt.show()

环形分布样本生成

1
2
3
4
5
6
7
8
9
10
11
12
13
import matplotlib.pyplot as plt
from sklearn.datasets import make_circles

# make_classification
X, Y = make_circles(
    n_samples=100, 
    shuffle=True, 
    noise=None, 
    random_state=None, 
    factor=0.8   # factor ：外圈与内圈的尺度因子<1
)   
plt.scatter(X[:, 0], X[:, 1], marker='o', c=Y)
plt.show()

半环形分布样本生成

1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons

# make_classification
X, Y = make_moons(
    n_samples=100, 
    shuffle=True, 
    noise=None, 
    random_state=None 
)
plt.scatter(X[:, 0], X[:, 1], marker='o', c=Y)
plt.show()