make_blobs

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, return_centers=False)[source]

Генерация сферических областей Гаусса для кластеризации.

Подробнее см. в Руководстве пользователя.

Параметры:

n_samplesint или массив-подобный объект, по умолчанию=100

Если целое число, это общее количество точек, равномерно распределённых по кластерам. Если массив-подобный объект, каждый элемент последовательности указывает количество образцов в каждом кластере.

Изменено в версии v0.20: теперь можно передавать массив-подобный объект в n_samples параметр

n_featuresint, по умолчанию=2

Количество признаков для каждого образца.

centersint или массив-подобный объект формы (n_centers, n_features), по умолчанию=None

Количество центров для генерации или фиксированные координаты центров. Если n_samples - целое число и centers - None, генерируются 3 центра. Если n_samples - массив-подобный объект, centers должен быть либо None, либо массивом длиной, равной длине n_samples.

cluster_stdfloat или массив-подобный объект float, по умолчанию=1.0

Стандартное отклонение кластеров.

center_boxкортеж float (min, max), по умолчанию=(-10.0, 10.0)

Границы для каждого центра кластера при случайной генерации центров.

shufflebool, по умолчанию=True

Перемешать образцы.

random_stateint, экземпляр RandomState или None, по умолчанию=None

Определяет генерацию случайных чисел для создания набора данных. Передайте целое число для воспроизводимого результата при многократных вызовах функции. См. Словарь.

return_centersbool, по умолчанию=False

Если True, то возвращает центры каждого кластера.

Добавлена в версии 0.23.

Возвращает:

Xndarray формы (n_samples, n_features)

Сгенерированные образцы.

yndarray формы (n_samples,)

Целочисленные метки для принадлежности кластера каждого образца.

centersndarray формы (n_centers, n_features)

Центры каждого кластера. Возвращается только если return_centers=True.

См. также

make_classification

Более сложная разновидность.

Примеры

>>> from sklearn.datasets import make_blobs
>>> X, y = make_blobs(n_samples=10, centers=3, n_features=2,
...                   random_state=0)
>>> print(X.shape)
(10, 2)
>>> y
array([0, 0, 1, 0, 2, 2, 2, 1, 1, 0])
>>> X, y = make_blobs(n_samples=[3, 3, 4], centers=None, n_features=2,
...                   random_state=0)
>>> print(X.shape)
(10, 2)
>>> y
array([0, 1, 2, 0, 2, 2, 2, 1, 1, 0])