MATLAB构建一些简单的人工数据集

1. 构建一个2维3类的数据集

复制代码
%高斯二维三类  1  3
mul=[0,0]; % 均值
S1=[.1 0;0 .1]; % 协方差
data1=mvnrnd(mul, S1, 100); % 产生高斯分布数据
% 第二组数据
mu2=[1.25 1.25];
S2=[.1 0;0 .1];
data2=mvnrnd(mu2,S2,100);
% % 第三组数据
mu3=[-1.25;1.25]
S3=[.1 0;0 .1]
data3=mvnrnd(mu3,S3,100)
% % 显示数据
 plot(data1(:,1),data1(:, 2),'b+');
 hold on;
 plot(data2(:,1),data2(:,2),'r+');
 plot(data3(:,1),data3(:,2),'g+');
 data=[data1;data2;data3];


2. 构建一个2维5类的数据集

复制代码
%高斯2维5类
N=300;
%数据维度
dim=2;
%混合比例
para_pi=[0.4 0.15 0.15 0.15 0.15];
%第一类数据
mul=[0 0]; % 均值
S1=[1 0;0 1]; % 协方差
data1=mvnrnd(mul, S1, para_pi(1)*N); % 产生高斯分布数据
%第二类数据
mu2=[4 4];
S2=[2 -1;-1 2];
data2=mvnrnd(mu2,S2,para_pi(2)*N);
%第三类数据
mu3=[-4 4];
S3=[2 1;1 2];
data3=mvnrnd(mu3,S3,para_pi(3)*N);
%第四类数据
mu4=[-4 -4];
S4=[2 -1;-1 2];
data4=mvnrnd(mu4,S4,para_pi(4)*N);
%第五类数据
mu5=[4 -4];
S5=[2 1;1 2];
data5=mvnrnd(mu5,S5,para_pi(5)*N);
%显示数据
plot(data1(:,1),data1(:, 2),'bo');
hold on;
plot(data2(:,1),data2(:,2),'ro');
plot(data3(:,1),data3(:,2),'go');
plot(data4(:,1),data4(:,2),'ko');
plot(data5(:,1),data5(:,2),'mo');
data = [data1, ones(para_pi(1)*N,1);
    data2, 2*ones(para_pi(2)*N,1); 
    data3, 3*ones(para_pi(3)*N,1);
    data4, 4*ones(para_pi(4)*N,1); 
    data5, 5*ones(para_pi(5)*N,1)];


3. 构建一个3维3类的数据集

复制代码
%高斯数据三维三类
%数据规模
N=500;
%数据维度
dim=3;
%混合比例
para_pi=[0.2 0.3 0.5];
%第一类数据
mul=[0 0 0]; % 均值
S1=[1 0 0;0 1 0;0 0 1]; % 协方差
data1=mvnrnd(mul, S1, para_pi(1)*N); % 产生高斯分布数据
%第二类数据
mu2=[-3 3 3];
S2=[2 -1 0;-1 1 0;0 0 1];
data2=mvnrnd(mu2,S2,para_pi(2)*N);
%第三类数据
mu3=[3 3 0];
S3=[2 1 0;1 2 0;0 0 1];
data3=mvnrnd(mu3,S3,para_pi(3)*N);
%显示数据
plot3(data1(:,1),data1(:, 2),data1(:,3),'bo');
hold on;
grid on
xlabel('x');
ylabel('y');
zlabel('z');
plot3(data2(:,1),data2(:,2),data2(:,3),'r*');
plot3(data3(:,1),data3(:,2),data3(:,3),'gx');
data = [data1, ones(para_pi(1)*N,1); 
    data2, 2*ones(para_pi(2)*N,1);
    data3, 3*ones(para_pi(3)*N,1)];


4. 构建一个3维4类的数据集

复制代码
%高斯数据三维四类
%数据规模
N=300;
%数据维度
dim=3;
%混合比例
para_pi=[0.1 0.2 0.3 0.4];
%第一类数据
mul=[0 0 0]; % 均值
S1=[1 0 0;0 1 0;0 0 1]; % 协方差
data1=mvnrnd(mul, S1, para_pi(1)*N); % 产生高斯分布数据
%第二类数据
mu2=[3 3 2];
S2=[2 -1 0;-1 1 0;0 0 1];
data2=mvnrnd(mu2,S2,para_pi(2)*N);
%第三类数据
mu3=[-3 3 1];
S3=[2 1 0;1 2 0;0 0 1];
data3=mvnrnd(mu3,S3,para_pi(3)*N);
%第四类数据
mu4=[0 -3 3];
S4=[2 1 0;1 1 0;0 0 2];
data4=mvnrnd(mu4,S4,para_pi(4)*N);
%显示数据
plot3(data1(:,1),data1(:, 2),data1(:,3),'bo');
hold on;
grid on
xlabel('x');
ylabel('y');
zlabel('z');
plot3(data2(:,1),data2(:,2),data2(:,3),'ro');
plot3(data3(:,1),data3(:,2),data3(:,3),'go');
plot3(data4(:,1),data4(:,2),data4(:,3),'ko');
data = [data1, ones(para_pi(1)*N,1); data2, 2*ones(para_pi(2)*N,1); data3, 3*ones(para_pi(3)*N,1); data4, 4*ones(para_pi(4)*N,1)];
%将数据集存入文件
相关推荐
DisonTangor16 分钟前
MiniMax 开源一个为极致编码与智能体工作流打造的迷你模型——MiniMax-M2
人工智能·语言模型·开源·aigc
Giser探索家2 小时前
无人机桥梁巡检:以“空天地”智慧之力守护交通生命线
大数据·人工智能·算法·安全·架构·无人机
不会学习的小白O^O2 小时前
双通道深度学习框架可实现从无人机激光雷达点云中提取橡胶树冠
人工智能·深度学习·无人机
恒点虚拟仿真2 小时前
虚拟仿真实训破局革新:打造无人机飞行专业实践教学新范式
人工智能·无人机·ai教学·虚拟仿真实训·无人机飞行·无人机专业虚拟仿真·无人机飞行虚拟仿真
丁浩6663 小时前
Python机器学习---6.集成学习与随机森林
python·随机森林·机器学习
北邮-吴怀玉3 小时前
6.1.2.2 大数据方法论与实践指南-离线任务SQL 任务开发规范
大数据·数据库·sql
鲜枣课堂3 小时前
华为最新光通信架构AI-OTN,如何应对AI浪潮?
人工智能·华为·架构
格林威4 小时前
AOI在新能源电池制造领域的应用
人工智能·数码相机·计算机视觉·视觉检测·制造·工业相机
dxnb224 小时前
Datawhale25年10月组队学习:math for AI+Task5解析几何
人工智能·学习
DooTask官方号4 小时前
DooTask 1.3.38 版本更新:MCP 服务器与 AI 工具深度融合,开启任务管理新体验
运维·服务器·人工智能·开源软件·dootask