sklearn中make_blobs的用法详情
sklearn中的make_blobs函数主要是为了生成数据集的,具体如下:
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
表示每一个样本有多少特征值n_samples
表示样本的个数centers
是聚类中心点的个数,可以理解为label的种类数random_state
是随机种子,可以固定生成的数据cluster_std
设置每个类别的方差
下面举例说明:
'''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] )
看看生成的数据集:
data
有2个特征(n_features=2
),样本个数是100(n_samples=100)
再看看生成的label:
label只有0或者1(centers=2),维度是100
random_state
给定数值后,每次生成的数据集就是固定的,方便后期复现,默认的是每次随机生成,要注意一下!!
好了,这样我们就拥有了一个自己想要的数据集,然后就可以开始后续的一些工作了!!!!
到此这篇关于sklearn
中make_blobs
的用法详情的文章就介绍到这了,更多相关sklearn
中make_blobs
的用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
Jupyter Notebook/VSCode导出PDF中文不显示的解决
这篇文章主要介绍了Jupyter Notebook/VSCode导出PDF中文不显示的解决方案,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教2023-06-06使用Pytorch Geometric进行链接预测的实现代码
PyTorch Geometric (PyG)是构建图神经网络模型和实验各种图卷积的主要工具,在本文中我们将通过链接预测来对其进行介绍,文中有详细的代码示例供大家参考,需要的朋友可以参考下2023-10-10使用Python的OpenCV模块识别滑动验证码的缺口(推荐)
这篇文章主要介绍了使用Python的OpenCV模块识别滑动验证码的缺口,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下2019-05-05
最新评论