sklearn中make_blobs的用法详情

sklearn库中的make_blobs函数主要用于生成用于聚类分析的合成数据集，其具体应用如下所述。

1.调用make_blobs

from sklearn.datasets import make_blobs

2.make_blobs的用法

data, label = make_blobs(n_features=2, n_samples=100, centers=3, random_state=3, cluster_std=[0.8, 2, 5])

• n_features参数用于指定每个样本包含的特征值数量。
• n_samples参数用于指定生成的样本总数。
• centers参数设定聚类中心点的数量，这通常对应于标签（label）的种类数。
• random_state参数用于设置随机种子，通过固定该值可以确保每次生成的数据保持一致。
• cluster_std参数用于设置每个类别的方差，控制簇的分散程度。

以下通过具体代码示例进行说明。

'''创建训练的数据集'''
from sklearn.datasets import make_blobs
data, label = make_blobs(n_features=2, n_samples=100, centers=2, random_state=2019, cluster_std=[0.6,0.7] )

观察生成的数据集情况：

data变量包含2个特征（由n_features=2指定），样本总数量为100（通过n_samples=100设定）。

进一步查看生成的标签信息：

由于设置了centers=2，标签仅包含0或1两种值，且标签数组的维度为100。

当random_state被赋予具体数值后，每次运行生成的数据集将保持固定，这有利于后续工作的复现；若不设置该参数，默认情况下每次生成随机数据，使用时需注意此差异。

通过以上步骤，我们成功获取了符合需求的数据集，随后可开展后续的算法训练与分析工作。

至此，关于sklearn中make_blobs函数的用法详情介绍完毕，更多相关sklearn中make_blobs函数的内容请搜索本站历史文章或继续浏览下方相关文章，希望大家以后多多支持本站！