make_gaussian_quantiles

sklearn.datasets.make_gaussian_quantiles(*, mean=None, cov=1.0, n_samples=100, n_features=2, n_classes=3, shuffle=True, random_state=None)[source]

Генерация изотропных гауссовских и меток образцов по квантилям.

Этот набор данных для классификации создаётся путём взятия многомерного стандартного нормального распределения и определения классов, разделённых вложенными концентрическими многомерными сферами, таким образом, что приблизительно равное количество образцов попадает в каждый класс (квантили распределения \(\chi^2\)).

Дополнительная информация в Руководстве пользователя.

Параметры:

meanмассив-подобный, форма (n_features,), по умолчанию = None

Среднее значение многомерного нормального распределения. Если None, используется начало координат (0, 0, …).

covчисло, по умолчанию = 1.0

Ковариационная матрица будет иметь это значение, умноженное на единичную матрицу. Этот набор данных генерирует только симметричные нормальные распределения.

n_samplesцелое число, по умолчанию = 100

Общее количество точек, равномерно распределённых по классам.

n_featuresцелое число, по умолчанию = 2

Количество признаков для каждого образца.

n_classesцелое число, по умолчанию = 3

Количество классов.

shuffleбулево, по умолчанию = True

Перемешать образцы.

random_stateцелое число, экземпляр RandomState или None, по умолчанию = None

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

Возвращает:

Xмассив NumPy формы (n_samples, n_features)

Сгенерированные образцы.

yмассив NumPy формы (n_samples,)

Целочисленные метки принадлежности к квантилю для каждого образца.

Примечания

Набор данных взят из Zhu et al [1].

Ссылки

[1]

10. Zhu, H. Zou, S. Rosset, T. Hastie, «Многоклассовый AdaBoost», 2009.

Примеры

>>> from sklearn.datasets import make_gaussian_quantiles
>>> X, y = make_gaussian_quantiles(random_state=42)
>>> X.shape
(100, 2)
>>> y.shape
(100,)
>>> list(y[:5])
[np.int64(2), np.int64(0), np.int64(1), np.int64(0), np.int64(2)]

Галерея примеров

Деревья решений AdaBoosted для нескольких классов

Двухклассовый AdaBoost