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)[исходный код]

Создает изотропные гауссовы облака точек для кластеризации.

Подробнее см. в руководстве пользователя.

Параметры:

n_samplesint или array-like, по умолчанию=100: Если задано целое число, это общее количество точек, равномерно распределенных между кластерами. Если задано значение типа array-like, каждый элемент последовательности указывает количество образцов в соответствующем кластере.

Изменено в версии v0.20: теперь в параметр n_samples можно передать значение типа array-like
n_featuresint, по умолчанию=2: Количество признаков для каждого образца.
centersint или array-like формы (n_centers, n_features), по умолчанию=None: Количество создаваемых центров или фиксированные координаты центров. Если n_samples — целое число, а centers равен None, создаются 3 центра. Если n_samples имеет тип array-like, centers должен быть равен None или представлять собой массив, длина которого равна длине n_samples.
cluster_stdfloat или array-like из float, по умолчанию=1.0: Стандартное отклонение кластеров.
center_boxкортеж из float (min, max), по умолчанию=(-10.0, 10.0): Ограничивающий прямоугольник для центра каждого кластера, если центры генерируются случайным образом.
shufflebool, по умолчанию=True: Перемешивать образцы.
random_stateint, экземпляр RandomState или None, по умолчанию=None: Задает генерацию случайных чисел при создании набора данных. Передайте int, чтобы получать воспроизводимые результаты при нескольких вызовах функции. См. глоссарий.
return_centersbool, по умолчанию=False: Если True, возвращает центры каждого кластера.

Добавлено в версии 0.23.

Возвращает:

Xndarray формы (n_samples, n_features): Созданные образцы.
yndarray формы (n_samples,): Целочисленные метки, указывающие принадлежность каждого образца к кластеру.
centersndarray формы (n_centers, n_features): Центры каждого кластера. Возвращается только при return_centers=True.

См. также

make_classification: Более сложный вариант.

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])